Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

MLG-Stereo_test2	0.06 1	0.04 1	0.10 136	0.15 85	0.05 1	0.07 33	0.11 54	0.09 12	0.04 2	0.06 13	0.05 7	0.06 23	0.04 1	0.08 18	0.09 62	0.06 126	0.04 24	0.05 34	0.03 1	0.05 118	0.05 144

MLG-Stereo_test1	0.06 1	0.05 26	0.08 40	0.17 241	0.05 1	0.06 11	0.11 54	0.08 5	0.03 1	0.05 2	0.04 1	0.06 23	0.05 12	0.09 39	0.09 62	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

FoundationStereo	0.06 1	0.04 1	0.08 40	0.12 5	0.05 1	0.09 96	0.13 125	0.06 1	0.09 30	0.05 2	0.05 7	0.06 23	0.04 1	0.06 1	0.07 1	0.06 126	0.04 24	0.05 34	0.03 1	0.05 118	0.04 49

Pro-Stereo	0.07 4	0.05 26	0.08 40	0.15 85	0.07 84	0.08 59	0.12 75	0.07 2	0.07 10	0.06 13	0.06 14	0.05 2	0.05 12	0.09 39	0.08 17	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

MatchStereo	0.07 4	0.04 1	0.08 40	0.14 41	0.06 16	0.05 4	0.12 75	0.12 57	0.09 30	0.07 47	0.06 14	0.04 1	0.04 1	0.08 18	0.09 62	0.06 126	0.05 207	0.05 34	0.03 1	0.04 21	0.04 49

BridgeDepth_RVC	0.07 4	0.04 1	0.09 91	0.11 1	0.05 1	0.10 148	0.10 31	0.14 96	0.09 30	0.06 13	0.07 47	0.06 23	0.07 127	0.07 4	0.10 142	0.06 126	0.04 24	0.04 1	0.04 46	0.04 21	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
CSFM-Stereo	0.07 4	0.05 26	0.07 8	0.14 41	0.06 16	0.09 96	0.13 125	0.15 128	0.06 4	0.07 47	0.08 89	0.06 23	0.08 167	0.09 39	0.09 62	0.06 126	0.05 207	0.04 1	0.03 1	0.04 21	0.04 49

VIP-Stereo	0.07 4	0.07 166	0.07 8	0.15 85	0.06 16	0.12 234	0.10 31	0.11 36	0.11 75	0.06 13	0.07 47	0.06 23	0.05 12	0.10 81	0.08 17	0.05 34	0.04 24	0.05 34	0.03 1	0.03 1	0.02 1

BridgeDepth	0.07 4	0.07 166	0.08 40	0.18 323	0.06 16	0.07 33	0.11 54	0.09 12	0.06 4	0.04 1	0.07 47	0.10 189	0.09 198	0.08 18	0.08 17	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2
Tongfan Guan, Jiaxin Guo, Chen Wang, Yun-Hui Liu: BridgeDepth: Bridging Monocular and Stereo Reasoning with Latent Alignment. ICCV 2025 Highlight
Zero-FE251	0.07 4	0.05 26	0.09 91	0.13 14	0.06 16	0.12 234	0.12 75	0.11 36	0.10 47	0.07 47	0.08 89	0.06 23	0.06 46	0.09 39	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

MonStereo	0.07 4	0.06 75	0.05 1	0.15 85	0.05 1	0.08 59	0.10 31	0.15 128	0.15 184	0.05 2	0.06 14	0.05 2	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Wavelet-MonSter	0.07 4	0.05 26	0.07 8	0.16 165	0.06 16	0.07 33	0.11 54	0.10 21	0.08 17	0.06 13	0.06 14	0.07 80	0.07 127	0.09 39	0.09 62	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-eth3d	0.07 4	0.06 75	0.05 1	0.15 85	0.05 1	0.08 59	0.10 31	0.15 128	0.15 184	0.05 2	0.06 14	0.05 2	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

Monster-pub-mixall	0.07 4	0.04 1	0.09 91	0.13 14	0.06 16	0.05 4	0.09 18	0.11 36	0.07 10	0.06 13	0.06 14	0.05 2	0.06 46	0.09 39	0.09 62	0.06 126	0.04 24	0.04 1	0.03 1	0.05 118	0.05 144

Replicate-Monster	0.07 4	0.05 26	0.09 91	0.14 41	0.06 16	0.08 59	0.09 18	0.13 75	0.13 140	0.05 2	0.07 47	0.06 23	0.06 46	0.08 18	0.10 142	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

AdaDepth	0.07 4	0.06 75	0.07 8	0.18 323	0.06 16	0.11 195	0.12 75	0.09 12	0.07 10	0.06 13	0.05 7	0.07 80	0.06 46	0.09 39	0.10 142	0.04 11	0.05 207	0.05 34	0.04 46	0.04 21	0.04 49

asda	0.07 4	0.08 272	0.08 40	0.16 165	0.06 16	0.06 11	0.10 31	0.16 158	0.10 47	0.06 13	0.06 14	0.05 2	0.05 12	0.10 81	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

asd	0.07 4	0.08 272	0.07 8	0.16 165	0.07 84	0.08 59	0.08 7	0.11 36	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.10 81	0.09 62	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

qwe	0.07 4	0.08 272	0.07 8	0.15 85	0.06 16	0.07 33	0.10 31	0.18 226	0.11 75	0.07 47	0.07 47	0.06 23	0.06 46	0.10 81	0.09 62	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.25w	0.07 4	0.06 75	0.07 8	0.14 41	0.06 16	0.08 59	0.08 7	0.10 21	0.15 184	0.08 85	0.10 142	0.07 80	0.06 46	0.08 18	0.10 142	0.05 34	0.03 1	0.04 1	0.04 46	0.03 1	0.04 49

4.25_new	0.07 4	0.08 272	0.09 91	0.15 85	0.06 16	0.09 96	0.08 7	0.14 96	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.12 224	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5w_new	0.07 4	0.08 272	0.09 91	0.15 85	0.06 16	0.09 96	0.08 7	0.14 96	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.12 224	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4.5_new	0.07 4	0.09 347	0.08 40	0.15 85	0.07 84	0.06 11	0.10 31	0.14 96	0.11 75	0.06 13	0.08 89	0.06 23	0.06 46	0.08 18	0.10 142	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.5w-stereo	0.07 4	0.09 347	0.08 40	0.15 85	0.07 84	0.06 11	0.10 31	0.14 96	0.11 75	0.06 13	0.08 89	0.06 23	0.06 46	0.08 18	0.10 142	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

4.25w-stereo	0.07 4	0.08 272	0.09 91	0.15 85	0.06 16	0.09 96	0.08 7	0.14 96	0.08 17	0.07 47	0.07 47	0.06 23	0.06 46	0.12 224	0.10 142	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

4w-stereo	0.07 4	0.08 272	0.08 40	0.16 165	0.06 16	0.07 33	0.08 7	0.12 57	0.08 17	0.07 47	0.07 47	0.05 2	0.06 46	0.09 39	0.10 142	0.03 1	0.03 1	0.04 1	0.04 46	0.04 21	0.03 2

2.5w	0.07 4	0.07 166	0.07 8	0.16 165	0.06 16	0.08 59	0.12 75	0.10 21	0.10 47	0.07 47	0.06 14	0.09 156	0.06 46	0.08 18	0.09 62	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

2.75w_new	0.07 4	0.07 166	0.07 8	0.13 14	0.06 16	0.08 59	0.08 7	0.18 226	0.12 105	0.07 47	0.08 89	0.06 23	0.06 46	0.09 39	0.11 217	0.04 11	0.04 24	0.04 1	0.03 1	0.03 1	0.04 49

3.25w_new	0.07 4	0.06 75	0.07 8	0.15 85	0.06 16	0.10 148	0.07 3	0.12 57	0.11 75	0.08 85	0.06 14	0.07 80	0.06 46	0.11 133	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.25w	0.07 4	0.06 75	0.07 8	0.15 85	0.06 16	0.10 148	0.07 3	0.12 57	0.11 75	0.08 85	0.06 14	0.07 80	0.06 46	0.11 133	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.75w	0.07 4	0.07 166	0.08 40	0.16 165	0.07 84	0.07 33	0.09 18	0.16 158	0.09 30	0.07 47	0.06 14	0.05 2	0.06 46	0.09 39	0.10 142	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

3.5w_stereo	0.07 4	0.07 166	0.07 8	0.15 85	0.07 84	0.09 96	0.06 1	0.13 75	0.11 75	0.07 47	0.07 47	0.06 23	0.07 127	0.10 81	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

1w_stereo	0.07 4	0.06 75	0.07 8	0.16 165	0.06 16	0.07 33	0.10 31	0.14 96	0.14 165	0.07 47	0.08 89	0.05 2	0.06 46	0.09 39	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 49

monsterstereo	0.07 4	0.06 75	0.06 4	0.16 165	0.06 16	0.08 59	0.10 31	0.16 158	0.11 75	0.07 47	0.08 89	0.06 23	0.07 127	0.08 18	0.09 62	0.04 11	0.04 24	0.05 34	0.04 46	0.03 1	0.03 2

monsters	0.07 4	0.06 75	0.06 4	0.15 85	0.06 16	0.08 59	0.09 18	0.12 57	0.08 17	0.09 121	0.07 47	0.06 23	0.06 46	0.08 18	0.08 17	0.05 34	0.04 24	0.04 1	0.04 46	0.03 1	0.03 2

IGEV	0.07 4	0.04 1	0.08 40	0.13 14	0.06 16	0.09 96	0.12 75	0.14 96	0.10 47	0.06 13	0.09 111	0.07 80	0.05 12	0.09 39	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

111111	0.07 4	0.04 1	0.09 91	0.17 241	0.06 16	0.05 4	0.10 31	0.11 36	0.09 30	0.06 13	0.06 14	0.07 80	0.05 12	0.09 39	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.07 295	0.06 236

LG-Stereo_L2	0.07 4	0.05 26	0.10 136	0.14 41	0.06 16	0.07 33	0.12 75	0.09 12	0.09 30	0.06 13	0.04 1	0.05 2	0.05 12	0.08 18	0.08 17	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

LG-Stereo_L1	0.07 4	0.05 26	0.11 180	0.14 41	0.06 16	0.07 33	0.13 125	0.09 12	0.07 10	0.05 2	0.04 1	0.05 2	0.04 1	0.08 18	0.07 1	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

MLG-Stereo_test3	0.07 4	0.05 26	0.10 136	0.14 41	0.06 16	0.07 33	0.11 54	0.08 5	0.06 4	0.06 13	0.04 1	0.06 23	0.06 46	0.07 4	0.10 142	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.06 236

MLG-Stereo	0.07 4	0.05 26	0.08 40	0.17 241	0.05 1	0.07 33	0.11 54	0.08 5	0.04 2	0.05 2	0.04 1	0.06 23	0.05 12	0.10 81	0.09 62	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

LG-G_1	0.07 4	0.04 1	0.11 180	0.15 85	0.06 16	0.09 96	0.08 7	0.08 5	0.06 4	0.06 13	0.05 7	0.07 80	0.07 127	0.11 133	0.08 17	0.07 273	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

LG-G	0.07 4	0.04 1	0.11 180	0.15 85	0.06 16	0.09 96	0.08 7	0.08 5	0.06 4	0.06 13	0.05 7	0.07 80	0.07 127	0.11 133	0.08 17	0.07 273	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

LGtest1	0.07 4	0.04 1	0.10 136	0.15 85	0.06 16	0.07 33	0.09 18	0.08 5	0.06 4	0.05 2	0.04 1	0.06 23	0.06 46	0.10 81	0.09 62	0.07 273	0.04 24	0.05 34	0.04 46	0.06 222	0.06 236

LG-Stereo_Zeroshot	0.07 4	0.06 75	0.10 136	0.16 165	0.07 84	0.04 1	0.13 125	0.10 21	0.10 47	0.05 2	0.11 183	0.07 80	0.05 12	0.07 4	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

GREAT-IGEV	0.07 4	0.06 75	0.08 40	0.13 14	0.07 84	0.07 33	0.14 178	0.09 12	0.09 30	0.06 13	0.07 47	0.06 23	0.05 12	0.10 81	0.07 1	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

StereoAnything_RVC	0.07 4	0.15 502	0.17 413	0.11 1	0.05 1	0.05 4	0.11 54	0.08 5	0.08 17	0.06 13	0.06 14	0.05 2	0.05 12	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 118	0.04 49

AIO_rvc	0.07 4	0.06 75	0.08 40	0.15 85	0.06 16	0.08 59	0.14 178	0.09 12	0.08 17	0.07 47	0.08 89	0.07 80	0.04 1	0.10 81	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

AIO_test	0.07 4	0.05 26	0.07 8	0.15 85	0.07 84	0.06 11	0.14 178	0.10 21	0.10 47	0.07 47	0.07 47	0.06 23	0.05 12	0.08 18	0.10 142	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

MonSter	0.07 4	0.06 75	0.05 1	0.15 85	0.05 1	0.07 33	0.10 31	0.15 128	0.15 184	0.05 2	0.06 14	0.05 2	0.06 46	0.07 4	0.09 62	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 2

DEFOM-Stereo	0.07 4	0.05 26	0.07 8	0.14 41	0.06 16	0.10 148	0.13 125	0.07 2	0.13 140	0.06 13	0.07 47	0.06 23	0.05 12	0.10 81	0.09 62	0.04 11	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

dual_stereo	0.07 4	0.04 1	0.08 40	0.15 85	0.05 1	0.05 4	0.13 125	0.12 57	0.08 17	0.07 47	0.06 14	0.05 2	0.05 12	0.07 4	0.09 62	0.06 126	0.04 24	0.05 34	0.03 1	0.04 21	0.04 49

IGEV-Stereo++	0.07 4	0.06 75	0.08 40	0.18 323	0.06 16	0.04 1	0.10 31	0.11 36	0.11 75	0.06 13	0.07 47	0.07 80	0.06 46	0.09 39	0.09 62	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

IGEV-Stereo+	0.07 4	0.04 1	0.08 40	0.15 85	0.06 16	0.04 1	0.09 18	0.10 21	0.09 30	0.06 13	0.06 14	0.06 23	0.06 46	0.06 1	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.06 222	0.06 236

Selective-IGEV	0.07 4	0.06 75	0.08 40	0.17 241	0.06 16	0.08 59	0.12 75	0.13 75	0.07 10	0.08 85	0.07 47	0.06 23	0.04 1	0.10 81	0.09 62	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

WQFJA1++	0.08 56	0.04 1	0.11 180	0.14 41	0.07 84	0.11 195	0.11 54	0.11 36	0.07 10	0.07 47	0.07 47	0.07 80	0.06 46	0.10 81	0.10 142	0.06 126	0.04 24	0.05 34	0.04 46	0.06 222	0.06 236

BStereo	0.08 56	0.06 75	0.16 383	0.15 85	0.08 144	0.07 33	0.09 18	0.15 128	0.16 214	0.06 13	0.07 47	0.07 80	0.05 12	0.09 39	0.11 217	0.04 11	0.05 207	0.05 34	0.07 305	0.04 21	0.04 49

MonSter++	0.08 56	0.04 1	0.10 136	0.13 14	0.06 16	0.09 96	0.12 75	0.13 75	0.08 17	0.06 13	0.07 47	0.06 23	0.08 167	0.10 81	0.11 217	0.06 126	0.05 207	0.04 1	0.03 1	0.04 21	0.04 49

HiDET	0.08 56	0.04 1	0.10 136	0.13 14	0.06 16	0.08 59	0.12 75	0.12 57	0.11 75	0.06 13	0.07 47	0.07 80	0.07 127	0.11 133	0.11 217	0.06 126	0.04 24	0.04 1	0.03 1	0.04 21	0.04 49

LCMNet	0.08 56	0.05 26	0.10 136	0.13 14	0.07 84	0.09 96	0.12 75	0.10 21	0.11 75	0.06 13	0.08 89	0.06 23	0.07 127	0.11 133	0.10 142	0.06 126	0.05 207	0.04 1	0.03 1	0.04 21	0.04 49

GEAStereo	0.08 56	0.05 26	0.08 40	0.13 14	0.08 144	0.08 59	0.14 178	0.10 21	0.09 30	0.08 85	0.10 142	0.06 23	0.05 12	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

GSStereo	0.08 56	0.05 26	0.08 40	0.13 14	0.08 144	0.08 59	0.14 178	0.11 36	0.12 105	0.08 85	0.10 142	0.05 2	0.05 12	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

gasm-f	0.08 56	0.05 26	0.07 8	0.13 14	0.08 144	0.08 59	0.14 178	0.10 21	0.09 30	0.08 85	0.10 142	0.06 23	0.05 12	0.10 81	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

DDF-Stereo	0.08 56	0.04 1	0.09 91	0.15 85	0.10 373	0.06 11	0.13 125	0.09 12	0.14 165	0.06 13	0.06 14	0.07 80	0.06 46	0.09 39	0.10 142	0.06 126	0.04 24	0.06 124	0.04 46	0.08 358	0.05 144

252Zero-FE	0.08 56	0.04 1	0.09 91	0.13 14	0.07 84	0.12 234	0.11 54	0.13 75	0.14 165	0.06 13	0.05 7	0.06 23	0.05 12	0.09 39	0.10 142	0.06 126	0.04 24	0.04 1	0.03 1	0.05 118	0.06 236

DA	0.08 56	0.07 166	0.07 8	0.19 381	0.08 144	0.09 96	0.12 75	0.13 75	0.12 105	0.08 85	0.10 142	0.10 189	0.08 167	0.09 39	0.10 142	0.05 34	0.04 24	0.06 124	0.04 46	0.05 118	0.03 2

zero-FE	0.08 56	0.04 1	0.09 91	0.15 85	0.10 373	0.05 4	0.14 178	0.09 12	0.14 165	0.07 47	0.06 14	0.07 80	0.06 46	0.09 39	0.10 142	0.06 126	0.04 24	0.06 124	0.04 46	0.08 358	0.05 144

GGEV	0.08 56	0.07 166	0.07 8	0.19 381	0.08 144	0.09 96	0.12 75	0.13 75	0.12 105	0.08 85	0.10 142	0.10 189	0.08 167	0.09 39	0.10 142	0.05 34	0.04 24	0.06 124	0.04 46	0.05 118	0.03 2

GASTEREO	0.08 56	0.05 26	0.09 91	0.19 381	0.07 84	0.07 33	0.12 75	0.14 96	0.11 75	0.10 157	0.09 111	0.07 80	0.04 1	0.12 224	0.08 17	0.06 126	0.05 207	0.05 34	0.04 46	0.04 21	0.05 144

MSCF	0.08 56	0.05 26	0.08 40	0.19 381	0.08 144	0.06 11	0.12 75	0.14 96	0.11 75	0.10 157	0.09 111	0.07 80	0.04 1	0.11 133	0.08 17	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.05 144

S2M2_XL	0.08 56	0.06 75	0.12 217	0.12 5	0.08 144	0.09 96	0.09 18	0.07 2	0.07 10	0.08 85	0.07 47	0.07 80	0.06 46	0.09 39	0.09 62	0.08 338	0.06 340	0.07 226	0.05 132	0.08 358	0.06 236
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
3w_stereo	0.08 56	0.09 347	0.10 136	0.17 241	0.07 84	0.08 59	0.10 31	0.20 265	0.13 140	0.06 13	0.07 47	0.05 2	0.06 46	0.08 18	0.09 62	0.03 1	0.03 1	0.04 1	0.03 1	0.04 21	0.03 2

2w_stereo	0.08 56	0.08 272	0.09 91	0.16 165	0.06 16	0.08 59	0.10 31	0.20 265	0.15 184	0.08 85	0.07 47	0.06 23	0.06 46	0.06 1	0.09 62	0.04 11	0.03 1	0.04 1	0.04 46	0.03 1	0.03 2

LG-Stereo	0.08 56	0.07 166	0.10 136	0.18 323	0.07 84	0.10 148	0.17 353	0.11 36	0.08 17	0.05 2	0.07 47	0.05 2	0.07 127	0.09 39	0.09 62	0.04 11	0.05 207	0.07 226	0.07 305	0.04 21	0.04 49

SGD-Stereo	0.08 56	0.05 26	0.10 136	0.14 41	0.05 1	0.12 234	0.12 75	0.11 36	0.12 105	0.07 47	0.09 111	0.09 156	0.09 198	0.08 18	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.03 2

HART	0.08 56	0.07 166	0.09 91	0.17 241	0.07 84	0.10 148	0.16 316	0.13 75	0.11 75	0.08 85	0.10 142	0.07 80	0.05 12	0.10 81	0.08 17	0.05 34	0.04 24	0.06 124	0.04 46	0.05 118	0.04 49

Reg-Stereo(zero)	0.08 56	0.05 26	0.08 40	0.16 165	0.06 16	0.12 234	0.11 54	0.15 128	0.10 47	0.12 228	0.09 111	0.10 189	0.08 167	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

SCV_C0	0.08 56	0.07 166	0.07 8	0.16 165	0.09 265	0.08 59	0.15 250	0.11 36	0.12 105	0.08 85	0.07 47	0.06 23	0.05 12	0.11 133	0.07 1	0.05 34	0.05 207	0.05 34	0.04 46	0.06 222	0.05 144

SCV	0.08 56	0.09 347	0.08 40	0.15 85	0.08 144	0.10 148	0.13 125	0.10 21	0.12 105	0.07 47	0.07 47	0.06 23	0.04 1	0.09 39	0.08 17	0.05 34	0.04 24	0.06 124	0.04 46	0.06 222	0.04 49

DEFOM-Stereo_RVC	0.08 56	0.06 75	0.09 91	0.22 489	0.06 16	0.08 59	0.12 75	0.10 21	0.10 47	0.07 47	0.07 47	0.06 23	0.05 12	0.11 133	0.09 62	0.06 126	0.04 24	0.05 34	0.03 1	0.06 222	0.04 49

HUF	0.08 56	0.05 26	0.08 40	0.14 41	0.06 16	0.09 96	0.13 125	0.13 75	0.13 140	0.07 47	0.07 47	0.08 129	0.06 46	0.10 81	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

castereo++	0.08 56	0.05 26	0.08 40	0.15 85	0.05 1	0.14 317	0.12 75	0.11 36	0.15 184	0.07 47	0.07 47	0.07 80	0.06 46	0.08 18	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

IGEV-RUCA	0.08 56	0.06 75	0.11 180	0.14 41	0.09 265	0.10 148	0.12 75	0.10 21	0.12 105	0.06 13	0.07 47	0.07 80	0.06 46	0.09 39	0.08 17	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.06 236

GIP-stereo	0.08 56	0.06 75	0.11 180	0.14 41	0.06 16	0.09 96	0.13 125	0.14 96	0.11 75	0.07 47	0.08 89	0.05 2	0.04 1	0.10 81	0.07 1	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

SMoEStereo_RVC	0.08 56	0.06 75	0.12 217	0.16 165	0.07 84	0.09 96	0.14 178	0.11 36	0.13 140	0.09 121	0.07 47	0.07 80	0.07 127	0.12 224	0.10 142	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

WCG-NET	0.08 56	0.05 26	0.09 91	0.15 85	0.06 16	0.11 195	0.14 178	0.13 75	0.13 140	0.06 13	0.09 111	0.07 80	0.06 46	0.13 273	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

Occ-G	0.08 56	0.05 26	0.06 4	0.14 41	0.07 84	0.08 59	0.14 178	0.13 75	0.15 184	0.07 47	0.11 183	0.07 80	0.05 12	0.09 39	0.10 142	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.05 144

U	0.08 56	0.07 166	0.09 91	0.19 381	0.10 373	0.10 148	0.13 125	0.12 57	0.17 237	0.07 47	0.07 47	0.06 23	0.05 12	0.07 4	0.08 17	0.06 126	0.04 24	0.06 124	0.04 46	0.06 222	0.05 144

AIO-Stereo	0.08 56	0.06 75	0.09 91	0.18 323	0.06 16	0.08 59	0.12 75	0.15 128	0.09 30	0.08 85	0.08 89	0.07 80	0.05 12	0.11 133	0.08 17	0.05 34	0.05 207	0.05 34	0.04 46	0.04 21	0.04 49

WCG-NET（raft）	0.08 56	0.05 26	0.10 136	0.15 85	0.06 16	0.11 195	0.13 125	0.15 128	0.12 105	0.08 85	0.07 47	0.06 23	0.06 46	0.13 273	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

RSM++	0.08 56	0.06 75	0.09 91	0.17 241	0.07 84	0.09 96	0.12 75	0.11 36	0.11 75	0.08 85	0.06 14	0.07 80	0.05 12	0.10 81	0.09 62	0.04 11	0.04 24	0.06 124	0.05 132	0.05 118	0.03 2

RSM	0.08 56	0.06 75	0.09 91	0.17 241	0.06 16	0.08 59	0.12 75	0.12 57	0.10 47	0.08 85	0.07 47	0.06 23	0.05 12	0.11 133	0.09 62	0.04 11	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

trnet	0.08 56	0.05 26	0.07 8	0.12 5	0.05 1	0.12 234	0.11 54	0.13 75	0.10 47	0.08 85	0.13 213	0.09 156	0.08 167	0.11 133	0.10 142	0.08 338	0.05 207	0.05 34	0.03 1	0.06 222	0.05 144

MoCha-V2	0.08 56	0.05 26	0.10 136	0.20 441	0.07 84	0.09 96	0.14 178	0.11 36	0.08 17	0.07 47	0.08 89	0.07 80	0.06 46	0.09 39	0.08 17	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

IGEV++	0.08 56	0.06 75	0.08 40	0.18 323	0.07 84	0.09 96	0.13 125	0.10 21	0.09 30	0.08 85	0.08 89	0.06 23	0.06 46	0.13 273	0.09 62	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

testlalala	0.08 56	0.07 166	0.17 413	0.16 165	0.08 144	0.09 96	0.12 75	0.15 128	0.10 47	0.07 47	0.09 111	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

AEACV	0.08 56	0.05 26	0.08 40	0.14 41	0.13 480	0.14 317	0.13 125	0.14 96	0.09 30	0.07 47	0.09 111	0.07 80	0.08 167	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

LoS_RVC	0.08 56	0.05 26	0.07 8	0.15 85	0.07 84	0.08 59	0.15 250	0.11 36	0.10 47	0.08 85	0.09 111	0.06 23	0.09 198	0.10 81	0.09 62	0.05 34	0.04 24	0.05 34	0.03 1	0.04 21	0.03 2

CAS	0.08 56	0.04 1	0.07 8	0.17 241	0.08 144	0.10 148	0.13 125	0.12 57	0.09 30	0.09 121	0.10 142	0.08 129	0.06 46	0.09 39	0.08 17	0.08 338	0.04 24	0.05 34	0.03 1	0.05 118	0.04 49

CES	0.08 56	0.04 1	0.08 40	0.14 41	0.07 84	0.09 96	0.14 178	0.11 36	0.09 30	0.08 85	0.09 111	0.11 214	0.06 46	0.12 224	0.08 17	0.06 126	0.04 24	0.05 34	0.03 1	0.05 118	0.05 144

EGLCR-Stereo	0.08 56	0.05 26	0.08 40	0.14 41	0.06 16	0.10 148	0.12 75	0.11 36	0.16 214	0.06 13	0.05 7	0.07 80	0.05 12	0.10 81	0.11 217	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

MC-Stereo	0.08 56	0.06 75	0.09 91	0.17 241	0.06 16	0.10 148	0.14 178	0.12 57	0.10 47	0.09 121	0.12 199	0.09 156	0.06 46	0.11 133	0.10 142	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

test-3	0.08 56	0.06 75	0.09 91	0.17 241	0.07 84	0.07 33	0.14 178	0.12 57	0.15 184	0.09 121	0.08 89	0.07 80	0.08 167	0.11 133	0.10 142	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.04 49

test_1	0.08 56	0.06 75	0.09 91	0.17 241	0.07 84	0.07 33	0.14 178	0.12 57	0.15 184	0.09 121	0.08 89	0.07 80	0.08 167	0.11 133	0.10 142	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.04 49

CREStereo++_RVC	0.08 56	0.04 1	0.06 4	0.13 14	0.07 84	0.09 96	0.12 75	0.14 96	0.14 165	0.10 157	0.14 227	0.08 129	0.07 127	0.09 39	0.11 217	0.06 126	0.04 24	0.05 34	0.05 132	0.04 21	0.04 49
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Wave_Phase_stereo	0.09 106	0.06 75	0.16 383	0.15 85	0.08 144	0.11 195	0.09 18	0.18 226	0.16 214	0.06 13	0.07 47	0.07 80	0.05 12	0.09 39	0.11 217	0.04 11	0.05 207	0.05 34	0.07 305	0.04 21	0.04 49

NLSM3	0.09 106	0.06 75	0.08 40	0.19 381	0.08 144	0.11 195	0.16 316	0.18 226	0.16 214	0.06 13	0.08 89	0.07 80	0.08 167	0.09 39	0.11 217	0.04 11	0.04 24	0.06 124	0.07 305	0.03 1	0.03 2

FE-Mocha	0.09 106	0.06 75	0.14 298	0.16 165	0.09 265	0.10 148	0.15 250	0.18 226	0.16 214	0.10 157	0.09 111	0.07 80	0.07 127	0.09 39	0.09 62	0.06 126	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

IGEV-FE	0.09 106	0.05 26	0.12 217	0.13 14	0.08 144	0.12 234	0.13 125	0.17 194	0.11 75	0.10 157	0.06 14	0.09 156	0.06 46	0.11 133	0.09 62	0.06 126	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

water-stereo	0.09 106	0.06 75	0.08 40	0.16 165	0.07 84	0.09 96	0.13 125	0.15 128	0.13 140	0.11 189	0.12 199	0.08 129	0.09 198	0.07 4	0.08 17	0.06 126	0.05 207	0.05 34	0.05 132	0.04 21	0.04 49

depthmonostereo	0.09 106	0.06 75	0.09 91	0.15 85	0.06 16	0.10 148	0.13 125	0.14 96	0.14 165	0.10 157	0.10 142	0.09 156	0.11 264	0.08 18	0.09 62	0.06 126	0.05 207	0.06 124	0.04 46	0.04 21	0.03 2

DilatedVolume-Stereo	0.09 106	0.05 26	0.08 40	0.15 85	0.06 16	0.11 195	0.12 75	0.14 96	0.16 214	0.11 189	0.11 183	0.09 156	0.09 198	0.11 133	0.10 142	0.06 126	0.05 207	0.05 34	0.04 46	0.03 1	0.03 2

S2M2_L	0.09 106	0.08 272	0.11 180	0.13 14	0.10 373	0.08 59	0.06 1	0.10 21	0.10 47	0.10 157	0.09 111	0.10 189	0.09 198	0.11 133	0.11 217	0.13 517	0.07 412	0.08 316	0.09 421	0.10 452	0.08 382
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 106	0.06 75	0.09 91	0.19 381	0.08 144	0.12 234	0.18 401	0.15 128	0.14 165	0.07 47	0.10 142	0.07 80	0.06 46	0.12 224	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.03 2

castereo	0.09 106	0.06 75	0.11 180	0.15 85	0.06 16	0.11 195	0.15 250	0.14 96	0.18 267	0.08 85	0.10 142	0.11 214	0.08 167	0.09 39	0.10 142	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.03 2

fffft	0.09 106	0.06 75	0.12 217	0.16 165	0.07 84	0.09 96	0.17 353	0.12 57	0.11 75	0.08 85	0.07 47	0.09 156	0.06 46	0.11 133	0.12 275	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.05 144
1: 1. 1
tt45	0.09 106	0.06 75	0.11 180	0.15 85	0.07 84	0.11 195	0.16 316	0.13 75	0.11 75	0.09 121	0.06 14	0.08 129	0.06 46	0.13 273	0.10 142	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

999	0.09 106	0.05 26	0.13 263	0.15 85	0.08 144	0.10 148	0.14 178	0.15 128	0.11 75	0.10 157	0.08 89	0.08 129	0.08 167	0.16 355	0.10 142	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.05 144

mms	0.09 106	0.07 166	0.08 40	0.16 165	0.08 144	0.10 148	0.16 316	0.12 57	0.11 75	0.08 85	0.09 111	0.08 129	0.06 46	0.11 133	0.12 275	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.03 2

ours_stereo	0.09 106	0.07 166	0.09 91	0.17 241	0.08 144	0.11 195	0.16 316	0.11 36	0.12 105	0.08 85	0.10 142	0.08 129	0.06 46	0.12 224	0.12 275	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.03 2

fffy	0.09 106	0.08 272	0.09 91	0.16 165	0.07 84	0.13 284	0.17 353	0.13 75	0.12 105	0.08 85	0.09 111	0.08 129	0.09 198	0.13 273	0.11 217	0.05 34	0.05 207	0.07 226	0.05 132	0.04 21	0.05 144

PAM_32	0.09 106	0.05 26	0.17 413	0.15 85	0.08 144	0.10 148	0.15 250	0.14 96	0.15 184	0.09 121	0.08 89	0.09 156	0.07 127	0.14 298	0.08 17	0.06 126	0.05 207	0.06 124	0.06 212	0.05 118	0.06 236

UGAM-zero	0.09 106	0.05 26	0.15 349	0.15 85	0.08 144	0.09 96	0.13 125	0.19 254	0.15 184	0.11 189	0.15 244	0.07 80	0.07 127	0.09 39	0.09 62	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

GCAP-BAT	0.09 106	0.07 166	0.14 298	0.15 85	0.08 144	0.10 148	0.13 125	0.14 96	0.10 47	0.11 189	0.10 142	0.08 129	0.07 127	0.12 224	0.10 142	0.06 126	0.05 207	0.06 124	0.04 46	0.04 21	0.04 49

Pointernet	0.09 106	0.04 1	0.09 91	0.16 165	0.08 144	0.13 284	0.10 31	0.15 128	0.17 237	0.09 121	0.07 47	0.06 23	0.06 46	0.11 133	0.09 62	0.08 338	0.04 24	0.05 34	0.03 1	0.06 222	0.05 144

IGEV-BASED-STEREO-	0.09 106	0.10 407	0.31 521	0.15 85	0.06 16	0.08 59	0.14 178	0.10 21	0.10 47	0.07 47	0.07 47	0.06 23	0.04 1	0.11 133	0.07 1	0.12 492	0.04 24	0.07 226	0.05 132	0.05 118	0.05 144

RAFT-Stereo-weight	0.09 106	0.06 75	0.10 136	0.16 165	0.07 84	0.09 96	0.14 178	0.19 254	0.16 214	0.11 189	0.10 142	0.08 129	0.06 46	0.10 81	0.11 217	0.06 126	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

gcap-zeroshot	0.09 106	0.05 26	0.10 136	0.16 165	0.07 84	0.13 284	0.13 125	0.11 36	0.12 105	0.13 259	0.12 199	0.09 156	0.08 167	0.09 39	0.09 62	0.06 126	0.05 207	0.06 124	0.05 132	0.04 21	0.04 49

test_for_model	0.09 106	0.12 451	0.14 298	0.23 513	0.11 424	0.08 59	0.13 125	0.12 57	0.12 105	0.10 157	0.07 47	0.07 80	0.06 46	0.11 133	0.10 142	0.06 126	0.05 207	0.05 34	0.03 1	0.07 295	0.04 49

MGS-Stereo	0.09 106	0.07 166	0.12 217	0.15 85	0.08 144	0.09 96	0.15 250	0.12 57	0.12 105	0.07 47	0.10 142	0.08 129	0.06 46	0.10 81	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.06 222	0.05 144

ff7	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

IGEVStereo-DCA	0.09 106	0.06 75	0.11 180	0.15 85	0.10 373	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.08 129	0.06 46	0.10 81	0.08 17	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

ffff	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

rrr	0.09 106	0.06 75	0.12 217	0.15 85	0.10 373	0.11 195	0.16 316	0.16 158	0.15 184	0.10 157	0.06 14	0.08 129	0.06 46	0.10 81	0.08 17	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

11t	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

MaDis-Stereo	0.09 106	0.09 347	0.08 40	0.17 241	0.09 265	0.13 284	0.10 31	0.16 158	0.16 214	0.09 121	0.11 183	0.06 23	0.06 46	0.09 39	0.13 316	0.07 273	0.06 340	0.07 226	0.05 132	0.05 118	0.04 49

IGEV_Zeroshot_test	0.09 106	0.05 26	0.12 217	0.13 14	0.08 144	0.12 234	0.13 125	0.17 194	0.11 75	0.10 157	0.06 14	0.09 156	0.06 46	0.11 133	0.09 62	0.06 126	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

MSKI-zero shot	0.09 106	0.05 26	0.09 91	0.15 85	0.07 84	0.10 148	0.13 125	0.14 96	0.13 140	0.09 121	0.09 111	0.09 156	0.06 46	0.12 224	0.10 142	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

UniTT-Stereo	0.09 106	0.07 166	0.08 40	0.18 323	0.08 144	0.13 284	0.11 54	0.12 57	0.11 75	0.10 157	0.12 199	0.05 2	0.07 127	0.09 39	0.09 62	0.07 273	0.05 207	0.05 34	0.05 132	0.05 118	0.05 144

MIM_Stereo	0.09 106	0.07 166	0.11 180	0.15 85	0.07 84	0.06 11	0.12 75	0.20 265	0.14 165	0.13 259	0.13 213	0.09 156	0.05 12	0.12 224	0.08 17	0.05 34	0.06 340	0.07 226	0.06 212	0.06 222	0.05 144

CASnet	0.09 106	0.09 347	0.09 91	0.19 381	0.06 16	0.07 33	0.11 54	0.18 226	0.14 165	0.11 189	0.10 142	0.09 156	0.07 127	0.10 81	0.10 142	0.06 126	0.04 24	0.10 445	0.08 375	0.05 118	0.03 2
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 106	0.07 166	0.13 263	0.18 323	0.06 16	0.11 195	0.07 3	0.13 75	0.12 105	0.09 121	0.10 142	0.07 80	0.09 198	0.13 273	0.10 142	0.06 126	0.05 207	0.05 34	0.04 46	0.04 21	0.05 144

RAFT-Test	0.09 106	0.06 75	0.10 136	0.15 85	0.07 84	0.11 195	0.15 250	0.16 158	0.13 140	0.09 121	0.10 142	0.10 189	0.09 198	0.12 224	0.09 62	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

HH	0.09 106	0.06 75	0.13 263	0.17 241	0.08 144	0.10 148	0.16 316	0.14 96	0.10 47	0.08 85	0.09 111	0.08 129	0.07 127	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

HanStereo	0.09 106	0.06 75	0.13 263	0.17 241	0.08 144	0.10 148	0.16 316	0.14 96	0.10 47	0.08 85	0.09 111	0.08 129	0.07 127	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

4D-IteraStereo	0.09 106	0.07 166	0.10 136	0.18 323	0.07 84	0.09 96	0.15 250	0.17 194	0.15 184	0.10 157	0.11 183	0.10 189	0.07 127	0.11 133	0.09 62	0.05 34	0.03 1	0.08 316	0.07 305	0.06 222	0.05 144

anonymousdsp	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.09 121	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

LoS	0.09 106	0.05 26	0.11 180	0.13 14	0.07 84	0.14 317	0.11 54	0.15 128	0.15 184	0.09 121	0.09 111	0.12 232	0.09 198	0.15 320	0.10 142	0.07 273	0.05 207	0.05 34	0.03 1	0.05 118	0.05 144
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 106	0.07 166	0.10 136	0.17 241	0.08 144	0.10 148	0.15 250	0.15 128	0.12 105	0.09 121	0.06 14	0.07 80	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.06 236

RCA-Stereo	0.09 106	0.06 75	0.09 91	0.16 165	0.06 16	0.09 96	0.13 125	0.18 226	0.14 165	0.09 121	0.10 142	0.08 129	0.07 127	0.12 224	0.11 217	0.06 126	0.04 24	0.06 124	0.05 132	0.05 118	0.04 49

CroCo-Stereo Lap2	0.09 106	0.09 347	0.08 40	0.22 489	0.09 265	0.09 96	0.19 440	0.16 158	0.12 105	0.09 121	0.10 142	0.05 2	0.05 12	0.08 18	0.08 17	0.06 126	0.06 340	0.07 226	0.05 132	0.05 118	0.05 144

ccc-4	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.10 157	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

IGEV-Stereo	0.09 106	0.07 166	0.11 180	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.12 105	0.09 121	0.06 14	0.06 23	0.06 46	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 106	0.05 26	0.13 263	0.14 41	0.08 144	0.12 234	0.15 250	0.18 226	0.10 47	0.11 189	0.08 89	0.08 129	0.05 12	0.10 81	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.05 144

TRStereo	0.09 106	0.05 26	0.12 217	0.15 85	0.12 457	0.10 148	0.13 125	0.18 226	0.18 267	0.09 121	0.09 111	0.09 156	0.06 46	0.10 81	0.08 17	0.07 273	0.05 207	0.07 226	0.07 305	0.04 21	0.04 49

AnonymousM	0.09 106	0.05 26	0.10 136	0.14 41	0.06 16	0.09 96	0.13 125	0.19 254	0.14 165	0.13 259	0.11 183	0.09 156	0.08 167	0.13 273	0.10 142	0.08 338	0.05 207	0.08 316	0.05 132	0.05 118	0.05 144

CroCo-Stereo	0.09 106	0.08 272	0.08 40	0.22 489	0.09 265	0.09 96	0.19 440	0.15 128	0.12 105	0.07 47	0.07 47	0.08 129	0.06 46	0.08 18	0.07 1	0.07 273	0.05 207	0.06 124	0.04 46	0.05 118	0.04 49
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 106	0.06 75	0.07 8	0.15 85	0.05 1	0.16 372	0.18 401	0.15 128	0.15 184	0.10 157	0.11 183	0.11 214	0.11 264	0.10 81	0.12 275	0.05 34	0.04 24	0.05 34	0.04 46	0.04 21	0.04 49

TANstereo	0.09 106	0.04 1	0.08 40	0.13 14	0.06 16	0.11 195	0.14 178	0.15 128	0.19 284	0.11 189	0.15 244	0.10 189	0.06 46	0.12 224	0.09 62	0.07 273	0.05 207	0.05 34	0.04 46	0.06 222	0.05 144

XX-TBD	0.09 106	0.06 75	0.07 8	0.14 41	0.07 84	0.12 234	0.16 316	0.14 96	0.13 140	0.11 189	0.12 199	0.09 156	0.08 167	0.10 81	0.10 142	0.06 126	0.04 24	0.05 34	0.03 1	0.06 222	0.05 144

raftrobust	0.09 106	0.06 75	0.10 136	0.17 241	0.08 144	0.09 96	0.10 31	0.18 226	0.16 214	0.10 157	0.09 111	0.12 232	0.07 127	0.12 224	0.10 142	0.08 338	0.05 207	0.06 124	0.05 132	0.05 118	0.05 144

XX-Stereo	0.09 106	0.05 26	0.08 40	0.17 241	0.09 265	0.15 343	0.12 75	0.20 265	0.10 47	0.10 157	0.14 227	0.07 80	0.06 46	0.12 224	0.08 17	0.06 126	0.05 207	0.06 124	0.06 212	0.04 21	0.04 49

test_xeample3	0.09 106	0.06 75	0.12 217	0.16 165	0.09 265	0.11 195	0.15 250	0.16 158	0.13 140	0.10 157	0.06 14	0.08 129	0.06 46	0.10 81	0.09 62	0.05 34	0.04 24	0.06 124	0.05 132	0.05 118	0.06 236

RAFT-Stereo + iAFF	0.09 106	0.06 75	0.10 136	0.17 241	0.06 16	0.10 148	0.16 316	0.17 194	0.14 165	0.09 121	0.10 142	0.08 129	0.09 198	0.11 133	0.09 62	0.05 34	0.04 24	0.06 124	0.06 212	0.04 21	0.03 2

AFF-stereo	0.09 106	0.06 75	0.10 136	0.17 241	0.07 84	0.10 148	0.16 316	0.17 194	0.09 30	0.10 157	0.12 199	0.09 156	0.09 198	0.12 224	0.09 62	0.05 34	0.04 24	0.07 226	0.07 305	0.04 21	0.03 2

EAI-Stereo	0.09 106	0.07 166	0.11 180	0.15 85	0.06 16	0.10 148	0.15 250	0.16 158	0.09 30	0.08 85	0.09 111	0.08 129	0.07 127	0.09 39	0.11 217	0.05 34	0.04 24	0.05 34	0.05 132	0.05 118	0.04 49

CFNet-RSSM	0.09 106	0.07 166	0.09 91	0.16 165	0.07 84	0.09 96	0.15 250	0.16 158	0.17 237	0.08 85	0.12 199	0.10 189	0.09 198	0.11 133	0.09 62	0.06 126	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

Gwc-CoAtRS	0.09 106	0.06 75	0.10 136	0.16 165	0.07 84	0.10 148	0.14 178	0.17 194	0.17 237	0.08 85	0.10 142	0.12 232	0.09 198	0.12 224	0.09 62	0.06 126	0.04 24	0.06 124	0.04 46	0.04 21	0.04 49

CREStereo	0.09 106	0.04 1	0.08 40	0.11 1	0.06 16	0.13 284	0.14 178	0.14 96	0.10 47	0.08 85	0.13 213	0.09 156	0.08 167	0.11 133	0.10 142	0.08 338	0.04 24	0.05 34	0.03 1	0.06 222	0.06 236
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 106	0.05 26	0.09 91	0.12 5	0.06 16	0.12 234	0.14 178	0.15 128	0.11 75	0.09 121	0.13 213	0.10 189	0.07 127	0.13 273	0.10 142	0.15 535	0.04 24	0.05 34	0.03 1	0.07 295	0.06 236

WQFJA1	0.10 171	0.07 166	0.08 40	0.20 441	0.09 265	0.12 234	0.17 353	0.17 194	0.17 237	0.09 121	0.10 142	0.08 129	0.10 234	0.12 224	0.11 217	0.06 126	0.07 412	0.07 226	0.06 212	0.06 222	0.05 144

WQFJX1	0.10 171	0.07 166	0.08 40	0.22 489	0.09 265	0.12 234	0.17 353	0.18 226	0.17 237	0.10 157	0.09 111	0.07 80	0.10 234	0.11 133	0.09 62	0.07 273	0.08 441	0.07 226	0.06 212	0.05 118	0.04 49

WQFJX	0.10 171	0.07 166	0.09 91	0.21 473	0.09 265	0.12 234	0.16 316	0.18 226	0.17 237	0.12 228	0.10 142	0.07 80	0.09 198	0.12 224	0.10 142	0.06 126	0.07 412	0.06 124	0.05 132	0.06 222	0.05 144

NLMM	0.10 171	0.07 166	0.08 40	0.20 441	0.09 265	0.12 234	0.17 353	0.17 194	0.17 237	0.09 121	0.10 142	0.08 129	0.10 234	0.12 224	0.11 217	0.06 126	0.07 412	0.07 226	0.06 212	0.06 222	0.05 144

NLSM1	0.10 171	0.07 166	0.07 8	0.19 381	0.08 144	0.13 284	0.16 316	0.21 288	0.15 184	0.11 189	0.10 142	0.06 23	0.10 234	0.10 81	0.11 217	0.07 273	0.08 441	0.08 316	0.07 305	0.05 118	0.05 144

MM-Stereo_test3	0.10 171	0.07 166	0.07 8	0.18 323	0.07 84	0.12 234	0.19 440	0.24 355	0.19 284	0.06 13	0.10 142	0.08 129	0.06 46	0.11 133	0.08 17	0.06 126	0.06 340	0.07 226	0.05 132	0.05 118	0.04 49

MM-Stereo_test1	0.10 171	0.07 166	0.08 40	0.18 323	0.07 84	0.12 234	0.18 401	0.21 288	0.20 307	0.09 121	0.11 183	0.08 129	0.06 46	0.10 81	0.10 142	0.06 126	0.05 207	0.07 226	0.06 212	0.05 118	0.04 49

AIO-test2	0.10 171	0.08 272	0.10 136	0.23 513	0.08 144	0.11 195	0.10 31	0.23 332	0.23 348	0.08 85	0.09 111	0.08 129	0.05 12	0.10 81	0.08 17	0.06 126	0.05 207	0.08 316	0.09 421	0.05 118	0.05 144

AIO-test1	0.10 171	0.07 166	0.10 136	0.23 513	0.07 84	0.09 96	0.13 125	0.21 288	0.14 165	0.11 189	0.12 199	0.09 156	0.07 127	0.11 133	0.09 62	0.06 126	0.05 207	0.09 398	0.10 461	0.03 1	0.06 236

tg	0.10 171	0.06 75	0.10 136	0.18 323	0.08 144	0.11 195	0.16 316	0.20 265	0.12 105	0.08 85	0.11 183	0.11 214	0.07 127	0.11 133	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.04 21	0.04 49

PAM	0.10 171	0.05 26	0.16 383	0.15 85	0.08 144	0.09 96	0.16 316	0.15 128	0.16 214	0.12 228	0.09 111	0.09 156	0.07 127	0.13 273	0.08 17	0.06 126	0.05 207	0.06 124	0.06 212	0.05 118	0.06 236

model_zeroshot	0.10 171	0.04 1	0.11 180	0.15 85	0.09 265	0.12 234	0.14 178	0.20 265	0.13 140	0.11 189	0.10 142	0.12 232	0.07 127	0.12 224	0.10 142	0.07 273	0.06 340	0.06 124	0.05 132	0.06 222	0.06 236

RAStereo	0.10 171	0.09 347	0.08 40	0.20 441	0.08 144	0.13 284	0.18 401	0.15 128	0.17 237	0.10 157	0.12 199	0.05 2	0.06 46	0.09 39	0.08 17	0.07 273	0.05 207	0.07 226	0.05 132	0.05 118	0.04 49

rvit_stereo_0080	0.10 171	0.08 272	0.14 298	0.15 85	0.09 265	0.07 33	0.15 250	0.16 158	0.16 214	0.11 189	0.10 142	0.14 277	0.08 167	0.12 224	0.10 142	0.09 398	0.07 412	0.07 226	0.06 212	0.07 295	0.05 144

testlalala2	0.10 171	0.06 75	0.11 180	0.20 441	0.10 373	0.10 148	0.12 75	0.17 194	0.12 105	0.12 228	0.13 213	0.09 156	0.07 127	0.11 133	0.13 316	0.06 126	0.05 207	0.05 34	0.04 46	0.05 118	0.05 144

H2IRNET	0.10 171	0.09 347	0.09 91	0.18 323	0.09 265	0.12 234	0.15 250	0.14 96	0.21 323	0.10 157	0.10 142	0.10 189	0.10 234	0.10 81	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.06 222	0.05 144

Former-RAFT_DAM_RVC	0.10 171	0.08 272	0.12 217	0.16 165	0.08 144	0.15 343	0.16 316	0.18 226	0.18 267	0.10 157	0.09 111	0.09 156	0.08 167	0.11 133	0.12 275	0.07 273	0.05 207	0.08 316	0.06 212	0.07 295	0.06 236

MyStereo07	0.10 171	0.07 166	0.10 136	0.17 241	0.09 265	0.14 317	0.18 401	0.15 128	0.15 184	0.09 121	0.06 14	0.06 23	0.07 127	0.12 224	0.09 62	0.06 126	0.05 207	0.08 316	0.07 305	0.06 222	0.06 236

MyStereo06	0.10 171	0.07 166	0.12 217	0.17 241	0.09 265	0.13 284	0.18 401	0.19 254	0.12 105	0.12 228	0.08 89	0.07 80	0.07 127	0.11 133	0.09 62	0.06 126	0.05 207	0.07 226	0.07 305	0.06 222	0.06 236

AE-Stereo	0.10 171	0.08 272	0.10 136	0.18 323	0.09 265	0.10 148	0.15 250	0.14 96	0.19 284	0.09 121	0.14 227	0.12 232	0.08 167	0.11 133	0.10 142	0.05 34	0.06 340	0.07 226	0.06 212	0.05 118	0.04 49

ACVNet-DCA	0.10 171	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.23 332	0.16 214	0.09 121	0.09 111	0.06 23	0.06 46	0.10 81	0.07 1	0.06 126	0.04 24	0.06 124	0.05 132	0.07 295	0.07 318

cc1	0.10 171	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.16 158	0.18 267	0.09 121	0.09 111	0.06 23	0.06 46	0.10 81	0.07 1	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.06 236

tt1	0.10 171	0.08 272	0.12 217	0.17 241	0.09 265	0.12 234	0.16 316	0.15 128	0.19 284	0.09 121	0.08 89	0.06 23	0.06 46	0.10 81	0.07 1	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.06 236

whm_eth	0.10 171	0.08 272	0.14 298	0.15 85	0.09 265	0.07 33	0.15 250	0.16 158	0.16 214	0.11 189	0.10 142	0.14 277	0.08 167	0.12 224	0.10 142	0.09 398	0.07 412	0.07 226	0.06 212	0.07 295	0.05 144

plain	0.10 171	0.08 272	0.10 136	0.19 381	0.09 265	0.10 148	0.15 250	0.14 96	0.13 140	0.13 259	0.15 244	0.09 156	0.12 295	0.13 273	0.12 275	0.07 273	0.05 207	0.09 398	0.06 212	0.06 222	0.06 236

testlalala_base	0.10 171	0.09 347	0.14 298	0.21 473	0.08 144	0.10 148	0.14 178	0.13 75	0.10 47	0.07 47	0.15 244	0.07 80	0.08 167	0.10 81	0.12 275	0.08 338	0.05 207	0.05 34	0.03 1	0.06 222	0.05 144

Any-RAFT	0.10 171	0.05 26	0.09 91	0.14 41	0.07 84	0.13 284	0.14 178	0.21 288	0.15 184	0.11 189	0.12 199	0.12 232	0.09 198	0.12 224	0.09 62	0.07 273	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

LL-Strereo2	0.10 171	0.10 407	0.15 349	0.18 323	0.08 144	0.15 343	0.09 18	0.17 194	0.14 165	0.14 280	0.10 142	0.09 156	0.07 127	0.16 355	0.10 142	0.05 34	0.05 207	0.10 445	0.07 305	0.06 222	0.05 144

DCANet-4	0.10 171	0.06 75	0.12 217	0.16 165	0.06 16	0.09 96	0.17 353	0.18 226	0.19 284	0.13 259	0.16 256	0.09 156	0.14 357	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

fff	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.09 96	0.17 353	0.16 158	0.20 307	0.13 259	0.16 256	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

ADStereo(finetuned)	0.10 171	0.06 75	0.12 217	0.16 165	0.06 16	0.09 96	0.17 353	0.15 128	0.19 284	0.13 259	0.17 277	0.10 189	0.12 295	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

test_4	0.10 171	0.10 407	0.08 40	0.19 381	0.09 265	0.08 59	0.22 493	0.15 128	0.17 237	0.12 228	0.18 302	0.12 232	0.09 198	0.08 18	0.11 217	0.04 11	0.04 24	0.08 316	0.08 375	0.04 21	0.03 2

IPLG	0.10 171	0.07 166	0.15 349	0.17 241	0.08 144	0.11 195	0.14 178	0.20 265	0.15 184	0.12 228	0.17 277	0.07 80	0.07 127	0.14 298	0.13 316	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

test_3	0.10 171	0.09 347	0.10 136	0.20 441	0.08 144	0.13 284	0.26 540	0.14 96	0.21 323	0.10 157	0.10 142	0.09 156	0.09 198	0.08 18	0.11 217	0.05 34	0.04 24	0.08 316	0.07 305	0.04 21	0.04 49

STrans-v2	0.10 171	0.07 166	0.12 217	0.18 323	0.07 84	0.10 148	0.14 178	0.21 288	0.11 75	0.11 189	0.15 244	0.12 232	0.10 234	0.11 133	0.12 275	0.05 34	0.04 24	0.06 124	0.06 212	0.04 21	0.04 49

TransformOpticalFlow	0.10 171	0.08 272	0.13 263	0.18 323	0.07 84	0.09 96	0.15 250	0.19 254	0.15 184	0.12 228	0.17 277	0.11 214	0.11 264	0.11 133	0.10 142	0.05 34	0.04 24	0.06 124	0.06 212	0.05 118	0.05 144

SST-Stereo	0.10 171	0.07 166	0.15 349	0.18 323	0.09 265	0.06 11	0.12 75	0.17 194	0.11 75	0.15 307	0.17 277	0.13 257	0.12 295	0.10 81	0.11 217	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.05 144

cross-raft	0.10 171	0.09 347	0.09 91	0.19 381	0.07 84	0.11 195	0.25 531	0.13 75	0.15 184	0.08 85	0.11 183	0.12 232	0.10 234	0.09 39	0.11 217	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

test-1	0.10 171	0.07 166	0.16 383	0.19 381	0.08 144	0.11 195	0.24 516	0.14 96	0.18 267	0.09 121	0.07 47	0.09 156	0.08 167	0.07 4	0.09 62	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

iRaftStereo_RVC	0.10 171	0.07 166	0.09 91	0.17 241	0.09 265	0.11 195	0.17 353	0.18 226	0.12 105	0.09 121	0.12 199	0.10 189	0.07 127	0.11 133	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.04 21	0.04 49

RALCasStereoNet	0.10 171	0.06 75	0.09 91	0.16 165	0.08 144	0.12 234	0.14 178	0.17 194	0.11 75	0.12 228	0.17 277	0.14 277	0.10 234	0.12 224	0.11 217	0.07 273	0.06 340	0.06 124	0.05 132	0.08 358	0.07 318

DCANet	0.10 171	0.06 75	0.12 217	0.16 165	0.06 16	0.09 96	0.17 353	0.15 128	0.19 284	0.13 259	0.17 277	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

csc	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.09 96	0.17 353	0.16 158	0.20 307	0.13 259	0.16 256	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

cscssc	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.09 96	0.17 353	0.16 158	0.20 307	0.13 259	0.16 256	0.10 189	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.05 34	0.04 46	0.04 21	0.05 144

111	0.10 171	0.06 75	0.12 217	0.15 85	0.07 84	0.10 148	0.14 178	0.21 288	0.23 348	0.11 189	0.12 199	0.14 277	0.11 264	0.13 273	0.10 142	0.06 126	0.04 24	0.06 124	0.04 46	0.05 118	0.05 144

R-Stereo Train	0.10 171	0.06 75	0.10 136	0.17 241	0.08 144	0.11 195	0.14 178	0.23 332	0.11 75	0.12 228	0.19 311	0.11 214	0.08 167	0.09 39	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.05 144

RAFT-Stereo	0.10 171	0.06 75	0.10 136	0.17 241	0.08 144	0.11 195	0.14 178	0.23 332	0.11 75	0.12 228	0.19 311	0.11 214	0.08 167	0.09 39	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.05 144
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 171	0.06 75	0.12 217	0.14 41	0.06 16	0.11 195	0.10 31	0.18 226	0.18 267	0.13 259	0.16 256	0.14 277	0.11 264	0.15 320	0.13 316	0.06 126	0.04 24	0.04 1	0.04 46	0.06 222	0.05 144
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NLMM1	0.11 219	0.09 347	0.07 8	0.22 489	0.10 373	0.12 234	0.20 463	0.18 226	0.20 307	0.12 228	0.11 183	0.07 80	0.09 198	0.11 133	0.11 217	0.08 338	0.08 441	0.07 226	0.06 212	0.04 21	0.04 49

NLCSM	0.11 219	0.09 347	0.09 91	0.23 513	0.11 424	0.12 234	0.19 440	0.18 226	0.18 267	0.12 228	0.11 183	0.07 80	0.09 198	0.11 133	0.10 142	0.07 273	0.08 441	0.07 226	0.07 305	0.06 222	0.05 144

Select-FE	0.11 219	0.06 75	0.20 460	0.15 85	0.11 424	0.11 195	0.13 125	0.21 288	0.18 267	0.09 121	0.11 183	0.10 189	0.06 46	0.12 224	0.09 62	0.07 273	0.05 207	0.07 226	0.08 375	0.06 222	0.08 382

FlowAnything_test	0.11 219	0.08 272	0.14 298	0.15 85	0.09 265	0.07 33	0.14 178	0.20 265	0.11 75	0.09 121	0.09 111	0.12 232	0.12 295	0.13 273	0.11 217	0.09 398	0.06 340	0.09 398	0.09 421	0.06 222	0.09 426

xyz-stereo-finetune2	0.11 219	0.07 166	0.13 263	0.13 14	0.07 84	0.11 195	0.19 440	0.17 194	0.12 105	0.15 307	0.15 244	0.17 340	0.12 295	0.13 273	0.11 217	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.06 236

xyz-stereo-finetune	0.11 219	0.08 272	0.13 263	0.14 41	0.06 16	0.10 148	0.19 440	0.17 194	0.19 284	0.12 228	0.14 227	0.15 306	0.10 234	0.13 273	0.11 217	0.05 34	0.04 24	0.07 226	0.05 132	0.04 21	0.05 144

HI	0.11 219	0.06 75	0.11 180	0.13 14	0.09 265	0.09 96	0.14 178	0.21 288	0.10 47	0.19 396	0.17 277	0.14 277	0.09 198	0.16 355	0.08 17	0.05 34	0.04 24	0.07 226	0.08 375	0.07 295	0.06 236

CoSv	0.11 219	0.06 75	0.11 180	0.13 14	0.09 265	0.09 96	0.14 178	0.21 288	0.10 47	0.19 396	0.17 277	0.14 277	0.09 198	0.16 355	0.08 17	0.05 34	0.04 24	0.07 226	0.08 375	0.07 295	0.06 236

rvit_stereo_0081_aga	0.11 219	0.09 347	0.14 298	0.18 323	0.09 265	0.13 284	0.14 178	0.14 96	0.19 284	0.10 157	0.18 302	0.16 320	0.09 198	0.12 224	0.09 62	0.10 439	0.06 340	0.08 316	0.07 305	0.07 295	0.06 236

rvit_stereo_0081	0.11 219	0.08 272	0.15 349	0.16 165	0.09 265	0.10 148	0.14 178	0.14 96	0.24 364	0.11 189	0.13 213	0.13 257	0.09 198	0.11 133	0.12 275	0.10 439	0.07 412	0.08 316	0.07 305	0.07 295	0.05 144

rvit_stereo_0082	0.11 219	0.08 272	0.15 349	0.16 165	0.09 265	0.10 148	0.14 178	0.14 96	0.24 364	0.11 189	0.13 213	0.13 257	0.09 198	0.11 133	0.12 275	0.10 439	0.07 412	0.08 316	0.07 305	0.07 295	0.05 144

AIO-Stereo-zeroshot1	0.11 219	0.05 26	0.14 298	0.15 85	0.20 558	0.09 96	0.17 353	0.21 288	0.15 184	0.11 189	0.14 227	0.10 189	0.07 127	0.10 81	0.08 17	0.06 126	0.05 207	0.07 226	0.07 305	0.07 295	0.09 426

AIO-Stereo-zeroshot	0.11 219	0.05 26	0.11 180	0.15 85	0.13 480	0.13 284	0.16 316	0.23 332	0.17 237	0.10 157	0.12 199	0.10 189	0.07 127	0.11 133	0.09 62	0.06 126	0.05 207	0.06 124	0.06 212	0.07 295	0.08 382

CAS++	0.11 219	0.07 166	0.11 180	0.14 41	0.09 265	0.12 234	0.14 178	0.24 355	0.14 165	0.11 189	0.09 111	0.11 214	0.07 127	0.14 298	0.09 62	0.11 468	0.09 473	0.09 398	0.07 305	0.07 295	0.08 382
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 219	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.16 158	0.18 267	0.09 121	0.09 111	0.16 320	0.16 401	0.10 81	0.07 1	0.06 126	0.04 24	0.08 316	0.08 375	0.07 295	0.07 318

1test111	0.11 219	0.08 272	0.12 217	0.17 241	0.09 265	0.13 284	0.15 250	0.23 332	0.16 214	0.09 121	0.09 111	0.06 23	0.06 46	0.15 320	0.16 397	0.06 126	0.04 24	0.06 124	0.05 132	0.07 295	0.07 318

MIF-Stereo (partial)	0.11 219	0.06 75	0.10 136	0.19 381	0.10 373	0.10 148	0.11 54	0.17 194	0.18 267	0.14 280	0.16 256	0.09 156	0.11 264	0.12 224	0.12 275	0.08 338	0.05 207	0.08 316	0.07 305	0.06 222	0.07 318

EKT-Stereo	0.11 219	0.07 166	0.14 298	0.15 85	0.10 373	0.13 284	0.14 178	0.18 226	0.21 323	0.11 189	0.08 89	0.12 232	0.09 198	0.11 133	0.12 275	0.08 338	0.06 340	0.07 226	0.06 212	0.08 358	0.07 318

anonymousdsp2	0.11 219	0.07 166	0.10 136	0.16 165	0.09 265	0.13 284	0.14 178	0.18 226	0.22 337	0.13 259	0.14 227	0.12 232	0.09 198	0.14 298	0.11 217	0.05 34	0.04 24	0.05 34	0.04 46	0.06 222	0.05 144

DCRE	0.11 219	0.07 166	0.13 263	0.16 165	0.11 424	0.11 195	0.17 353	0.18 226	0.17 237	0.11 189	0.18 302	0.10 189	0.10 234	0.15 320	0.11 217	0.06 126	0.05 207	0.06 124	0.06 212	0.05 118	0.04 49

knoymous	0.11 219	0.05 26	0.12 217	0.13 14	0.07 84	0.15 343	0.14 178	0.19 254	0.13 140	0.11 189	0.17 277	0.13 257	0.09 198	0.13 273	0.11 217	0.08 338	0.05 207	0.06 124	0.05 132	0.08 358	0.07 318

riskmin	0.11 219	0.06 75	0.13 263	0.14 41	0.08 144	0.14 317	0.14 178	0.18 226	0.14 165	0.11 189	0.14 227	0.16 320	0.11 264	0.14 298	0.12 275	0.09 398	0.05 207	0.07 226	0.05 132	0.08 358	0.08 382

Selective-RAFT	0.11 219	0.10 407	0.11 180	0.21 473	0.08 144	0.16 372	0.13 125	0.20 265	0.22 337	0.10 157	0.10 142	0.11 214	0.10 234	0.15 320	0.11 217	0.05 34	0.05 207	0.06 124	0.05 132	0.06 222	0.05 144

DisPM	0.11 219	0.07 166	0.12 217	0.16 165	0.09 265	0.06 11	0.13 125	0.17 194	0.17 237	0.14 280	0.20 323	0.12 232	0.10 234	0.11 133	0.10 142	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.11 479

CIPLG	0.11 219	0.08 272	0.14 298	0.17 241	0.08 144	0.12 234	0.15 250	0.17 194	0.15 184	0.14 280	0.11 183	0.16 320	0.09 198	0.16 355	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

GLC_STEREO	0.11 219	0.07 166	0.11 180	0.17 241	0.07 84	0.09 96	0.13 125	0.15 128	0.24 364	0.12 228	0.13 213	0.12 232	0.08 167	0.18 408	0.11 217	0.06 126	0.08 441	0.08 316	0.06 212	0.05 118	0.05 144

IPLGR_C	0.11 219	0.08 272	0.14 298	0.17 241	0.08 144	0.12 234	0.15 250	0.17 194	0.15 184	0.14 280	0.10 142	0.16 320	0.09 198	0.16 355	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

MIPNet	0.11 219	0.08 272	0.14 298	0.17 241	0.09 265	0.12 234	0.14 178	0.20 265	0.24 364	0.11 189	0.10 142	0.09 156	0.07 127	0.13 273	0.12 275	0.06 126	0.04 24	0.06 124	0.05 132	0.04 21	0.04 49

IPLGR	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.12 234	0.17 353	0.21 288	0.24 364	0.11 189	0.12 199	0.11 214	0.08 167	0.12 224	0.12 275	0.06 126	0.05 207	0.06 124	0.06 212	0.04 21	0.04 49

GMOStereo	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 553	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

error version	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 553	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

test-v	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 553	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

ACRE	0.11 219	0.08 272	0.14 298	0.17 241	0.08 144	0.12 234	0.15 250	0.17 194	0.14 165	0.14 280	0.10 142	0.16 320	0.09 198	0.16 355	0.11 217	0.07 273	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236

PFNet+	0.11 219	0.06 75	0.13 263	0.16 165	0.09 265	0.05 4	0.12 75	0.17 194	0.21 323	0.16 335	0.19 311	0.14 277	0.10 234	0.11 133	0.11 217	0.08 338	0.05 207	0.09 398	0.08 375	0.06 222	0.11 479

LCNet	0.11 219	0.07 166	0.09 91	0.19 381	0.09 265	0.08 59	0.15 250	0.21 288	0.15 184	0.11 189	0.15 244	0.16 320	0.11 264	0.12 224	0.11 217	0.05 34	0.04 24	0.08 316	0.07 305	0.06 222	0.15 537

HHNet	0.11 219	0.06 75	0.16 383	0.15 85	0.14 500	0.07 33	0.13 125	0.20 265	0.17 237	0.14 280	0.25 405	0.11 214	0.08 167	0.13 273	0.10 142	0.05 34	0.04 24	0.08 316	0.06 212	0.05 118	0.09 426

Patchmatch Stereo++	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.11 54	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 219	0.07 166	0.16 383	0.19 381	0.09 265	0.08 59	0.13 125	0.18 226	0.13 140	0.16 335	0.21 345	0.13 257	0.14 357	0.11 133	0.14 353	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.05 144

OMP-Stereo	0.11 219	0.06 75	0.14 298	0.18 323	0.08 144	0.09 96	0.12 75	0.21 288	0.21 323	0.13 259	0.14 227	0.11 214	0.12 295	0.11 133	0.13 316	0.06 126	0.04 24	0.07 226	0.06 212	0.05 118	0.04 49

IIG-Stereo	0.11 219	0.06 75	0.13 263	0.17 241	0.08 144	0.11 195	0.12 75	0.22 312	0.17 237	0.14 280	0.17 277	0.11 214	0.12 295	0.12 224	0.12 275	0.06 126	0.05 207	0.07 226	0.06 212	0.05 118	0.04 49

NF-Stereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

OCTAStereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

NRIStereo	0.11 219	0.08 272	0.14 298	0.18 323	0.08 144	0.10 148	0.14 178	0.16 158	0.15 184	0.12 228	0.14 227	0.13 257	0.12 295	0.13 273	0.10 142	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.07 318

PSM-adaLoss	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

PSM-AAD	0.11 219	0.07 166	0.10 136	0.19 381	0.09 265	0.10 148	0.15 250	0.20 265	0.13 140	0.12 228	0.14 227	0.18 353	0.11 264	0.11 133	0.10 142	0.05 34	0.05 207	0.09 398	0.08 375	0.06 222	0.14 530

ROB_FTStereo_v2	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

ROB_FTStereo	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.11 54	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

KYRaft	0.11 219	0.07 166	0.10 136	0.19 381	0.09 265	0.08 59	0.15 250	0.22 312	0.12 105	0.13 259	0.16 256	0.20 379	0.10 234	0.12 224	0.10 142	0.05 34	0.04 24	0.08 316	0.08 375	0.06 222	0.16 548

HUI-Stereo	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

ASMatch	0.11 219	0.06 75	0.13 263	0.16 165	0.10 373	0.07 33	0.14 178	0.17 194	0.17 237	0.12 228	0.16 256	0.16 320	0.10 234	0.13 273	0.10 142	0.05 34	0.04 24	0.06 124	0.05 132	0.04 21	0.08 382

RAFT_R40	0.11 219	0.07 166	0.14 298	0.18 323	0.09 265	0.06 11	0.13 125	0.17 194	0.16 214	0.14 280	0.18 302	0.15 306	0.12 295	0.10 81	0.11 217	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.05 144

GrayStereo	0.11 219	0.06 75	0.11 180	0.19 381	0.09 265	0.09 96	0.16 316	0.18 226	0.17 237	0.14 280	0.17 277	0.17 340	0.11 264	0.12 224	0.11 217	0.05 34	0.05 207	0.07 226	0.06 212	0.05 118	0.10 453

RE-Stereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

Pruner-Stereo	0.11 219	0.07 166	0.12 217	0.17 241	0.09 265	0.06 11	0.12 75	0.17 194	0.17 237	0.13 259	0.19 311	0.13 257	0.09 198	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.08 382

TVStereo	0.11 219	0.07 166	0.13 263	0.17 241	0.09 265	0.10 148	0.14 178	0.23 332	0.19 284	0.12 228	0.17 277	0.12 232	0.11 264	0.11 133	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.06 222	0.12 492

DeepStereo_RVC	0.11 219	0.08 272	0.16 383	0.18 323	0.08 144	0.08 59	0.12 75	0.17 194	0.12 105	0.13 259	0.14 227	0.12 232	0.12 295	0.12 224	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.07 295	0.08 382

iGMRVC	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

RAFT-RH_RVC	0.11 219	0.06 75	0.14 298	0.16 165	0.09 265	0.12 234	0.12 75	0.17 194	0.12 105	0.13 259	0.41 536	0.11 214	0.10 234	0.13 273	0.12 275	0.05 34	0.04 24	0.08 316	0.05 132	0.04 21	0.06 236

RAFT-345	0.11 219	0.07 166	0.15 349	0.16 165	0.08 144	0.08 59	0.12 75	0.15 128	0.10 47	0.11 189	0.36 499	0.09 156	0.09 198	0.11 133	0.12 275	0.05 34	0.05 207	0.07 226	0.06 212	0.04 21	0.05 144

iRAFT	0.11 219	0.09 347	0.16 383	0.18 323	0.08 144	0.06 11	0.11 54	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

CRE-IMP	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.10 148	0.12 75	0.18 226	0.10 47	0.14 280	0.13 213	0.13 257	0.12 295	0.12 224	0.11 217	0.07 273	0.04 24	0.08 316	0.06 212	0.08 358	0.08 382

test-2	0.11 219	0.09 347	0.07 8	0.19 381	0.08 144	0.12 234	0.28 553	0.13 75	0.17 237	0.11 189	0.17 277	0.14 277	0.12 295	0.07 4	0.07 1	0.05 34	0.05 207	0.09 398	0.07 305	0.04 21	0.04 49

GMM-Stereo	0.11 219	0.07 166	0.10 136	0.18 323	0.09 265	0.08 59	0.15 250	0.23 332	0.16 214	0.11 189	0.15 244	0.13 257	0.11 264	0.11 133	0.11 217	0.05 34	0.04 24	0.08 316	0.07 305	0.06 222	0.09 426

RAFT-IKP	0.11 219	0.09 347	0.16 383	0.19 381	0.08 144	0.06 11	0.12 75	0.16 158	0.13 140	0.15 307	0.16 256	0.14 277	0.12 295	0.11 133	0.10 142	0.06 126	0.04 24	0.08 316	0.06 212	0.08 358	0.07 318

Prome-Stereo	0.11 219	0.06 75	0.10 136	0.18 323	0.08 144	0.12 234	0.15 250	0.22 312	0.13 140	0.12 228	0.17 277	0.13 257	0.08 167	0.12 224	0.10 142	0.05 34	0.04 24	0.07 226	0.06 212	0.06 222	0.09 426

rafts_anoy	0.11 219	0.06 75	0.10 136	0.17 241	0.08 144	0.10 148	0.14 178	0.17 194	0.14 165	0.13 259	0.13 213	0.12 232	0.10 234	0.11 133	0.12 275	0.07 273	0.04 24	0.09 398	0.11 493	0.07 295	0.06 236

raft+_RVC	0.11 219	0.07 166	0.09 91	0.16 165	0.07 84	0.10 148	0.11 54	0.24 355	0.20 307	0.12 228	0.15 244	0.12 232	0.08 167	0.12 224	0.13 316	0.07 273	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

RALAANet	0.11 219	0.08 272	0.10 136	0.17 241	0.09 265	0.14 317	0.10 31	0.20 265	0.15 184	0.14 280	0.13 213	0.16 320	0.09 198	0.12 224	0.11 217	0.06 126	0.05 207	0.07 226	0.06 212	0.05 118	0.04 49

DIP-Stereo	0.11 219	0.07 166	0.14 298	0.17 241	0.09 265	0.13 284	0.09 18	0.16 158	0.16 214	0.11 189	0.16 256	0.14 277	0.12 295	0.15 320	0.13 316	0.06 126	0.05 207	0.06 124	0.05 132	0.05 118	0.06 236
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 288	0.08 272	0.17 413	0.16 165	0.09 265	0.11 195	0.15 250	0.14 96	0.26 399	0.11 189	0.14 227	0.13 257	0.10 234	0.12 224	0.12 275	0.10 439	0.08 441	0.09 398	0.07 305	0.07 295	0.05 144

rvit_stereo_ft	0.12 288	0.07 166	0.13 263	0.19 381	0.10 373	0.12 234	0.17 353	0.16 158	0.16 214	0.12 228	0.13 213	0.15 306	0.10 234	0.14 298	0.13 316	0.09 398	0.06 340	0.08 316	0.07 305	0.07 295	0.05 144

test_sample2	0.12 288	0.07 166	0.12 217	0.14 41	0.08 144	0.16 372	0.18 401	0.21 288	0.16 214	0.14 280	0.20 323	0.19 367	0.15 375	0.15 320	0.12 275	0.08 338	0.05 207	0.07 226	0.06 212	0.08 358	0.07 318

MyStereo8	0.12 288	0.07 166	0.15 349	0.15 85	0.09 265	0.18 412	0.14 178	0.19 254	0.22 337	0.12 228	0.18 302	0.11 214	0.10 234	0.16 355	0.18 430	0.07 273	0.05 207	0.07 226	0.05 132	0.08 358	0.09 426

CoDeX	0.12 288	0.07 166	0.12 217	0.17 241	0.08 144	0.12 234	0.15 250	0.23 332	0.27 409	0.13 259	0.17 277	0.16 320	0.11 264	0.14 298	0.11 217	0.07 273	0.05 207	0.07 226	0.06 212	0.06 222	0.05 144

11t1	0.12 288	0.06 75	0.13 263	0.14 41	0.08 144	0.17 393	0.15 250	0.18 226	0.15 184	0.15 307	0.15 244	0.16 320	0.16 401	0.15 320	0.13 316	0.08 338	0.05 207	0.06 124	0.05 132	0.08 358	0.07 318

ffm	0.12 288	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.15 128	0.19 284	0.15 307	0.25 405	0.19 367	0.13 333	0.10 81	0.07 1	0.06 126	0.04 24	0.09 398	0.08 375	0.06 222	0.06 236

RAFT_CTSACE	0.12 288	0.09 347	0.10 136	0.22 489	0.08 144	0.12 234	0.24 516	0.18 226	0.16 214	0.20 419	0.27 431	0.13 257	0.07 127	0.13 273	0.09 62	0.05 34	0.06 340	0.08 316	0.07 305	0.04 21	0.04 49

Sa-1000	0.12 288	0.08 272	0.08 40	0.18 323	0.08 144	0.14 317	0.22 493	0.22 312	0.18 267	0.15 307	0.20 323	0.17 340	0.11 264	0.10 81	0.10 142	0.06 126	0.05 207	0.09 398	0.09 421	0.05 118	0.05 144

SA	0.12 288	0.09 347	0.08 40	0.18 323	0.08 144	0.12 234	0.24 516	0.23 332	0.18 267	0.17 350	0.27 431	0.14 277	0.11 264	0.11 133	0.11 217	0.05 34	0.05 207	0.09 398	0.08 375	0.05 118	0.04 49

iRaft-Stereo_5w	0.12 288	0.09 347	0.12 217	0.19 381	0.08 144	0.09 96	0.12 75	0.21 288	0.21 323	0.19 396	0.14 227	0.11 214	0.09 198	0.20 448	0.16 397	0.05 34	0.05 207	0.07 226	0.06 212	0.05 118	0.06 236

CrosDoStereo	0.12 288	0.06 75	0.12 217	0.14 41	0.08 144	0.12 234	0.15 250	0.17 194	0.22 337	0.19 396	0.24 377	0.15 306	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.07 226	0.07 305	0.05 118	0.05 144

PSM-softLoss	0.12 288	0.07 166	0.15 349	0.17 241	0.09 265	0.08 59	0.13 125	0.24 355	0.17 237	0.14 280	0.19 311	0.13 257	0.11 264	0.11 133	0.11 217	0.07 273	0.05 207	0.08 316	0.07 305	0.06 222	0.12 492

KMStereo	0.12 288	0.07 166	0.15 349	0.17 241	0.09 265	0.08 59	0.13 125	0.24 355	0.17 237	0.14 280	0.19 311	0.13 257	0.11 264	0.11 133	0.11 217	0.07 273	0.05 207	0.08 316	0.07 305	0.06 222	0.12 492

FTStereo	0.12 288	0.06 75	0.14 298	0.18 323	0.09 265	0.07 33	0.15 250	0.21 288	0.18 267	0.12 228	0.24 377	0.12 232	0.12 295	0.13 273	0.13 316	0.05 34	0.05 207	0.07 226	0.06 212	0.06 222	0.10 453

DeepStereo_LL	0.12 288	0.06 75	0.12 217	0.14 41	0.08 144	0.12 234	0.15 250	0.17 194	0.22 337	0.19 396	0.24 377	0.15 306	0.11 264	0.11 133	0.12 275	0.06 126	0.04 24	0.07 226	0.07 305	0.05 118	0.05 144

DEmStereo	0.12 288	0.06 75	0.14 298	0.14 41	0.10 373	0.16 372	0.15 250	0.16 158	0.24 364	0.17 350	0.24 377	0.13 257	0.14 357	0.12 224	0.13 316	0.05 34	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

THIR-Stereo	0.12 288	0.07 166	0.11 180	0.15 85	0.08 144	0.14 317	0.16 316	0.17 194	0.25 385	0.16 335	0.24 377	0.14 277	0.12 295	0.12 224	0.14 353	0.06 126	0.04 24	0.07 226	0.07 305	0.05 118	0.05 144

DRaft	0.12 288	0.06 75	0.11 180	0.14 41	0.09 265	0.14 317	0.17 353	0.21 288	0.30 439	0.17 350	0.28 445	0.10 189	0.15 375	0.10 81	0.12 275	0.05 34	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

PFNet	0.12 288	0.06 75	0.17 413	0.17 241	0.08 144	0.09 96	0.15 250	0.26 389	0.20 307	0.16 335	0.16 256	0.14 277	0.11 264	0.12 224	0.11 217	0.06 126	0.04 24	0.07 226	0.06 212	0.05 118	0.05 144

IRAFT_RVC	0.12 288	0.08 272	0.16 383	0.19 381	0.08 144	0.07 33	0.15 250	0.24 355	0.23 348	0.14 280	0.14 227	0.15 306	0.12 295	0.12 224	0.10 142	0.06 126	0.04 24	0.09 398	0.06 212	0.06 222	0.06 236

sCroCo_RVC	0.12 288	0.09 347	0.23 484	0.24 523	0.11 424	0.19 435	0.14 178	0.17 194	0.14 165	0.10 157	0.13 213	0.12 232	0.07 127	0.14 298	0.11 217	0.08 338	0.08 441	0.08 316	0.08 375	0.05 118	0.07 318

ARAFT	0.12 288	0.08 272	0.17 413	0.19 381	0.09 265	0.14 317	0.18 401	0.20 265	0.12 105	0.12 228	0.13 213	0.14 277	0.11 264	0.15 320	0.12 275	0.06 126	0.05 207	0.10 445	0.09 421	0.05 118	0.04 49

BEATNet_4x	0.12 288	0.08 272	0.14 298	0.18 323	0.07 84	0.15 343	0.07 3	0.22 312	0.18 267	0.16 335	0.19 311	0.18 353	0.14 357	0.16 355	0.15 381	0.07 273	0.05 207	0.05 34	0.05 132	0.06 222	0.06 236

MLCV	0.12 288	0.07 166	0.16 383	0.18 323	0.06 16	0.15 343	0.17 353	0.19 254	0.21 323	0.18 380	0.25 405	0.17 340	0.13 333	0.14 298	0.13 316	0.05 34	0.04 24	0.05 34	0.04 46	0.05 118	0.04 49

G2L-ROB	0.13 313	0.06 75	0.13 263	0.13 14	0.08 144	0.14 317	0.16 316	0.25 371	0.18 267	0.19 396	0.18 302	0.20 379	0.14 357	0.17 387	0.16 397	0.08 338	0.05 207	0.06 124	0.05 132	0.08 358	0.09 426

xyz-stereo	0.13 313	0.07 166	0.20 460	0.15 85	0.05 1	0.20 450	0.15 250	0.17 194	0.31 446	0.15 307	0.29 457	0.26 454	0.16 401	0.13 273	0.12 275	0.05 34	0.05 207	0.06 124	0.05 132	0.04 21	0.04 49

DFGA-Net	0.13 313	0.11 433	0.18 436	0.17 241	0.10 373	0.12 234	0.13 125	0.22 312	0.25 385	0.16 335	0.16 256	0.13 257	0.12 295	0.16 355	0.14 353	0.07 273	0.05 207	0.08 316	0.07 305	0.05 118	0.05 144

FACV-RUCA	0.13 313	0.11 433	0.12 217	0.19 381	0.12 457	0.15 343	0.15 250	0.22 312	0.20 307	0.15 307	0.16 256	0.14 277	0.16 401	0.14 298	0.13 316	0.07 273	0.05 207	0.08 316	0.06 212	0.10 452	0.08 382

UGAM	0.13 313	0.10 407	0.09 91	0.22 489	0.08 144	0.12 234	0.20 463	0.17 194	0.23 348	0.21 433	0.16 256	0.13 257	0.13 333	0.19 423	0.12 275	0.07 273	0.05 207	0.13 510	0.11 493	0.07 295	0.05 144

test_sample1	0.13 313	0.07 166	0.14 298	0.13 14	0.08 144	0.19 435	0.16 316	0.20 265	0.15 184	0.14 280	0.22 356	0.18 353	0.16 401	0.17 387	0.14 353	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.07 318

qqq1	0.13 313	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 217	0.08 338	0.05 207	0.05 34	0.05 132	0.06 222	0.06 236

fff1	0.13 313	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.11 217	0.08 338	0.05 207	0.05 34	0.05 132	0.06 222	0.06 236

MyStereo05	0.13 313	0.07 166	0.10 136	0.17 241	0.09 265	0.13 284	0.18 401	0.27 410	0.35 481	0.17 350	0.14 227	0.15 306	0.11 264	0.15 320	0.13 316	0.06 126	0.05 207	0.07 226	0.07 305	0.06 222	0.06 236

MyStereo04	0.13 313	0.07 166	0.10 136	0.17 241	0.09 265	0.14 317	0.18 401	0.29 441	0.38 499	0.17 350	0.14 227	0.16 320	0.10 234	0.15 320	0.13 316	0.06 126	0.05 207	0.08 316	0.07 305	0.06 222	0.06 236

ff1	0.13 313	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.15 128	0.19 284	0.15 307	0.25 405	0.19 367	0.13 333	0.14 298	0.20 449	0.06 126	0.04 24	0.09 398	0.08 375	0.06 222	0.06 236

StereoVision	0.13 313	0.12 451	0.09 91	0.24 523	0.10 373	0.15 343	0.21 483	0.21 288	0.20 307	0.12 228	0.24 377	0.10 189	0.10 234	0.16 355	0.10 142	0.09 398	0.11 505	0.12 495	0.12 513	0.06 222	0.05 144

LL-Strereo	0.13 313	0.09 347	0.11 180	0.20 441	0.10 373	0.11 195	0.18 401	0.32 476	0.24 364	0.15 307	0.15 244	0.14 277	0.13 333	0.19 423	0.11 217	0.06 126	0.04 24	0.09 398	0.08 375	0.04 21	0.05 144

CASS	0.13 313	0.12 451	0.11 180	0.23 513	0.09 265	0.15 343	0.17 353	0.18 226	0.19 284	0.17 350	0.18 302	0.15 306	0.15 375	0.14 298	0.14 353	0.09 398	0.06 340	0.10 445	0.08 375	0.09 421	0.07 318
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 313	0.07 166	0.13 263	0.18 323	0.09 265	0.13 284	0.17 353	0.19 254	0.29 430	0.15 307	0.24 377	0.15 306	0.14 357	0.14 298	0.14 353	0.07 273	0.05 207	0.07 226	0.09 421	0.05 118	0.06 236

TestStereo1	0.13 313	0.08 272	0.08 40	0.19 381	0.08 144	0.18 412	0.29 562	0.23 332	0.16 214	0.17 350	0.20 323	0.16 320	0.10 234	0.12 224	0.13 316	0.06 126	0.06 340	0.08 316	0.06 212	0.05 118	0.05 144

qqq	0.13 313	0.09 347	0.15 349	0.16 165	0.08 144	0.13 284	0.15 250	0.23 332	0.16 214	0.15 307	0.19 311	0.16 320	0.16 401	0.15 320	0.16 397	0.07 273	0.06 340	0.08 316	0.08 375	0.07 295	0.07 318

x	0.13 313	0.07 166	0.14 298	0.14 41	0.08 144	0.18 412	0.14 178	0.22 312	0.20 307	0.15 307	0.19 311	0.19 367	0.17 424	0.18 408	0.18 430	0.07 273	0.05 207	0.06 124	0.06 212	0.07 295	0.07 318

raft_robust	0.13 313	0.10 407	0.07 8	0.18 323	0.08 144	0.13 284	0.24 516	0.28 429	0.33 460	0.20 419	0.19 311	0.14 277	0.10 234	0.11 133	0.12 275	0.05 34	0.05 207	0.07 226	0.07 305	0.05 118	0.04 49

RAFT+CT+SA	0.13 313	0.11 433	0.09 91	0.19 381	0.09 265	0.15 343	0.28 553	0.22 312	0.22 337	0.15 307	0.26 422	0.10 189	0.10 234	0.11 133	0.12 275	0.05 34	0.04 24	0.07 226	0.08 375	0.07 295	0.06 236

SA-5K	0.13 313	0.08 272	0.08 40	0.19 381	0.08 144	0.18 412	0.29 562	0.23 332	0.16 214	0.17 350	0.20 323	0.16 320	0.10 234	0.12 224	0.13 316	0.06 126	0.06 340	0.08 316	0.06 212	0.05 118	0.05 144

GwcNet-ADL	0.13 313	0.08 272	0.14 298	0.20 441	0.09 265	0.11 195	0.20 463	0.30 455	0.24 364	0.13 259	0.14 227	0.18 353	0.14 357	0.13 273	0.14 353	0.07 273	0.05 207	0.06 124	0.05 132	0.07 295	0.06 236

GANet-ADL	0.13 313	0.07 166	0.15 349	0.17 241	0.10 373	0.18 412	0.15 250	0.30 455	0.20 307	0.13 259	0.18 302	0.19 367	0.12 295	0.16 355	0.13 316	0.08 338	0.06 340	0.06 124	0.05 132	0.07 295	0.08 382

RAFT	0.13 313	0.09 347	0.11 180	0.18 323	0.08 144	0.15 343	0.24 516	0.20 265	0.19 284	0.21 433	0.21 345	0.17 340	0.12 295	0.16 355	0.09 62	0.06 126	0.07 412	0.10 445	0.09 421	0.05 118	0.05 144

TestStereo	0.13 313	0.14 492	0.11 180	0.23 513	0.08 144	0.15 343	0.21 483	0.20 265	0.23 348	0.14 280	0.24 377	0.16 320	0.12 295	0.16 355	0.14 353	0.05 34	0.06 340	0.08 316	0.06 212	0.09 421	0.05 144

sAnonymous2	0.13 313	0.12 451	0.24 488	0.20 441	0.12 457	0.17 393	0.13 125	0.26 389	0.21 323	0.11 189	0.11 183	0.13 257	0.08 167	0.10 81	0.10 142	0.09 398	0.05 207	0.08 316	0.06 212	0.15 537	0.10 453

CroCo_RVC	0.13 313	0.12 451	0.24 488	0.20 441	0.12 457	0.17 393	0.13 125	0.26 389	0.21 323	0.11 189	0.11 183	0.13 257	0.08 167	0.10 81	0.10 142	0.09 398	0.05 207	0.08 316	0.06 212	0.15 537	0.10 453

RAFT + AFF	0.13 313	0.07 166	0.20 460	0.20 441	0.10 373	0.14 317	0.24 516	0.26 389	0.20 307	0.11 189	0.10 142	0.12 232	0.10 234	0.15 320	0.12 275	0.07 273	0.06 340	0.09 398	0.08 375	0.06 222	0.08 382

GMStereo	0.13 313	0.14 492	0.14 298	0.18 323	0.09 265	0.15 343	0.16 316	0.20 265	0.24 364	0.16 335	0.17 277	0.10 189	0.10 234	0.16 355	0.13 316	0.07 273	0.06 340	0.06 124	0.06 212	0.07 295	0.06 236
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 313	0.07 166	0.14 298	0.17 241	0.09 265	0.15 343	0.16 316	0.28 429	0.27 409	0.14 280	0.17 277	0.12 232	0.13 333	0.14 298	0.11 217	0.08 338	0.05 207	0.07 226	0.07 305	0.07 295	0.06 236

FENet	0.13 313	0.08 272	0.12 217	0.16 165	0.08 144	0.14 317	0.15 250	0.22 312	0.23 348	0.17 350	0.23 365	0.16 320	0.12 295	0.14 298	0.15 381	0.08 338	0.05 207	0.08 316	0.08 375	0.07 295	0.07 318

cf-r	0.13 313	0.07 166	0.12 217	0.16 165	0.08 144	0.14 317	0.19 440	0.20 265	0.25 385	0.17 350	0.25 405	0.21 388	0.16 401	0.14 298	0.14 353	0.10 439	0.05 207	0.06 124	0.08 375	0.06 222	0.06 236

iResNet	0.13 313	0.10 407	0.18 436	0.19 381	0.08 144	0.13 284	0.18 401	0.20 265	0.26 399	0.15 307	0.23 365	0.15 306	0.13 333	0.14 298	0.14 353	0.06 126	0.04 24	0.06 124	0.05 132	0.06 222	0.05 144

DN-CSS_ROB	0.13 313	0.13 480	0.16 383	0.18 323	0.10 373	0.16 372	0.08 7	0.22 312	0.18 267	0.17 350	0.22 356	0.13 257	0.13 333	0.12 224	0.13 316	0.05 34	0.05 207	0.10 445	0.10 461	0.08 358	0.06 236

G2L-Stereo_test	0.14 347	0.07 166	0.11 180	0.13 14	0.08 144	0.12 234	0.16 316	0.30 455	0.28 423	0.20 419	0.23 365	0.20 379	0.16 401	0.17 387	0.18 430	0.07 273	0.05 207	0.05 34	0.05 132	0.07 295	0.06 236

coex_refinement	0.14 347	0.07 166	0.12 217	0.17 241	0.10 373	0.15 343	0.15 250	0.26 389	0.29 430	0.18 380	0.20 323	0.22 406	0.17 424	0.16 355	0.18 430	0.08 338	0.05 207	0.06 124	0.06 212	0.09 421	0.08 382

G2L-Stereo	0.14 347	0.07 166	0.13 263	0.17 241	0.09 265	0.13 284	0.12 75	0.27 410	0.22 337	0.16 335	0.27 431	0.21 388	0.13 333	0.17 387	0.18 430	0.09 398	0.08 441	0.08 316	0.07 305	0.07 295	0.07 318

rvit_0105_6	0.14 347	0.09 347	0.18 436	0.17 241	0.10 373	0.10 148	0.16 316	0.19 254	0.26 399	0.12 228	0.18 302	0.17 340	0.12 295	0.18 408	0.12 275	0.15 535	0.11 505	0.12 495	0.10 461	0.09 421	0.06 236

rvit_0105_5	0.14 347	0.09 347	0.13 263	0.17 241	0.09 265	0.14 317	0.23 504	0.24 355	0.27 409	0.14 280	0.15 244	0.18 353	0.12 295	0.17 387	0.14 353	0.14 531	0.11 505	0.10 445	0.10 461	0.08 358	0.06 236

rvit_0105_4	0.14 347	0.09 347	0.17 413	0.17 241	0.10 373	0.12 234	0.19 440	0.23 332	0.27 409	0.14 280	0.20 323	0.17 340	0.13 333	0.17 387	0.13 316	0.15 535	0.11 505	0.11 476	0.10 461	0.09 421	0.06 236

DCVSM-stereo	0.14 347	0.09 347	0.16 383	0.16 165	0.10 373	0.15 343	0.09 18	0.19 254	0.23 348	0.20 419	0.23 365	0.26 454	0.15 375	0.18 408	0.14 353	0.09 398	0.07 412	0.09 398	0.08 375	0.10 452	0.12 492

test_sample6	0.14 347	0.08 272	0.13 263	0.16 165	0.08 144	0.17 393	0.19 440	0.25 371	0.17 237	0.17 350	0.27 431	0.19 367	0.14 357	0.15 320	0.13 316	0.08 338	0.05 207	0.08 316	0.07 305	0.08 358	0.08 382

test_sample5	0.14 347	0.08 272	0.14 298	0.16 165	0.08 144	0.18 412	0.18 401	0.25 371	0.17 237	0.17 350	0.27 431	0.18 353	0.14 357	0.16 355	0.13 316	0.08 338	0.05 207	0.08 316	0.07 305	0.08 358	0.08 382

test_sample4	0.14 347	0.08 272	0.14 298	0.15 85	0.08 144	0.19 435	0.18 401	0.26 389	0.17 237	0.16 335	0.25 405	0.18 353	0.14 357	0.16 355	0.13 316	0.08 338	0.06 340	0.08 316	0.06 212	0.08 358	0.08 382

test_sample3	0.14 347	0.08 272	0.15 349	0.14 41	0.09 265	0.19 435	0.17 353	0.26 389	0.18 267	0.16 335	0.22 356	0.19 367	0.15 375	0.17 387	0.13 316	0.08 338	0.06 340	0.07 226	0.06 212	0.09 421	0.08 382

DispNO	0.14 347	0.08 272	0.17 413	0.19 381	0.12 457	0.11 195	0.21 483	0.23 332	0.29 430	0.17 350	0.23 365	0.18 353	0.17 424	0.15 320	0.15 381	0.07 273	0.05 207	0.08 316	0.08 375	0.07 295	0.06 236

SMFormer	0.14 347	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 207	0.07 226	0.06 212	0.07 295	0.06 236

tta	0.14 347	0.07 166	0.17 413	0.14 41	0.08 144	0.16 372	0.17 353	0.26 389	0.27 409	0.19 396	0.20 323	0.18 353	0.15 375	0.15 320	0.17 412	0.08 338	0.05 207	0.07 226	0.06 212	0.06 222	0.06 236

mmm	0.14 347	0.08 272	0.17 413	0.17 241	0.09 265	0.17 393	0.18 401	0.21 288	0.15 184	0.15 307	0.23 365	0.21 388	0.16 401	0.16 355	0.17 412	0.08 338	0.05 207	0.08 316	0.07 305	0.07 295	0.07 318

DualNet	0.14 347	0.08 272	0.14 298	0.16 165	0.08 144	0.18 412	0.18 401	0.25 371	0.17 237	0.17 350	0.27 431	0.18 353	0.14 357	0.16 355	0.13 316	0.08 338	0.05 207	0.08 316	0.07 305	0.08 358	0.08 382

mmx	0.14 347	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.27 410	0.25 385	0.15 307	0.25 405	0.19 367	0.13 333	0.14 298	0.20 449	0.08 338	0.06 340	0.09 398	0.08 375	0.08 358	0.08 382

xxx	0.14 347	0.09 347	0.14 298	0.16 165	0.08 144	0.17 393	0.17 353	0.27 410	0.25 385	0.15 307	0.25 405	0.19 367	0.13 333	0.14 298	0.20 449	0.08 338	0.06 340	0.09 398	0.08 375	0.08 358	0.08 382

PCWNet_CMD	0.14 347	0.08 272	0.15 349	0.17 241	0.09 265	0.14 317	0.14 178	0.29 441	0.36 485	0.14 280	0.20 323	0.21 388	0.12 295	0.17 387	0.13 316	0.07 273	0.05 207	0.07 226	0.07 305	0.07 295	0.07 318

CBFPSM	0.14 347	0.06 75	0.26 496	0.17 241	0.09 265	0.13 284	0.15 250	0.22 312	0.23 348	0.20 419	0.27 431	0.24 430	0.16 401	0.16 355	0.18 430	0.06 126	0.06 340	0.06 124	0.07 305	0.07 295	0.07 318

gwcnet-sp	0.14 347	0.07 166	0.12 217	0.18 323	0.09 265	0.16 372	0.17 353	0.24 355	0.24 364	0.18 380	0.24 377	0.15 306	0.16 401	0.15 320	0.15 381	0.08 338	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

scenet	0.14 347	0.07 166	0.12 217	0.18 323	0.09 265	0.16 372	0.17 353	0.24 355	0.24 364	0.18 380	0.24 377	0.15 306	0.16 401	0.15 320	0.15 381	0.08 338	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

ssnet	0.14 347	0.07 166	0.12 217	0.18 323	0.09 265	0.16 372	0.17 353	0.24 355	0.24 364	0.18 380	0.24 377	0.15 306	0.16 401	0.15 320	0.15 381	0.08 338	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

BUS	0.14 347	0.09 347	0.14 298	0.22 489	0.10 373	0.19 435	0.14 178	0.34 505	0.19 284	0.17 350	0.22 356	0.16 320	0.13 333	0.15 320	0.13 316	0.08 338	0.06 340	0.10 445	0.09 421	0.07 295	0.07 318

IER	0.14 347	0.07 166	0.13 263	0.17 241	0.09 265	0.14 317	0.16 316	0.25 371	0.26 399	0.18 380	0.25 405	0.17 340	0.20 466	0.16 355	0.14 353	0.08 338	0.05 207	0.07 226	0.06 212	0.08 358	0.07 318

test_5	0.14 347	0.12 451	0.08 40	0.20 441	0.10 373	0.14 317	0.29 562	0.21 288	0.24 364	0.18 380	0.28 445	0.11 214	0.15 375	0.12 224	0.13 316	0.06 126	0.05 207	0.07 226	0.08 375	0.08 358	0.07 318

psmg	0.14 347	0.09 347	0.14 298	0.17 241	0.10 373	0.15 343	0.17 353	0.29 441	0.19 284	0.17 350	0.21 345	0.25 444	0.16 401	0.15 320	0.14 353	0.08 338	0.06 340	0.08 316	0.08 375	0.07 295	0.06 236

UDGNet	0.14 347	0.13 480	0.16 383	0.17 241	0.10 373	0.12 234	0.16 316	0.21 288	0.27 409	0.20 419	0.20 323	0.16 320	0.13 333	0.16 355	0.13 316	0.10 439	0.06 340	0.09 398	0.07 305	0.06 222	0.07 318

CFNet_pseudo	0.14 347	0.08 272	0.15 349	0.16 165	0.09 265	0.13 284	0.14 178	0.27 410	0.34 472	0.14 280	0.21 345	0.22 406	0.13 333	0.18 408	0.14 353	0.07 273	0.05 207	0.08 316	0.06 212	0.07 295	0.07 318

GES	0.14 347	0.08 272	0.16 383	0.15 85	0.10 373	0.13 284	0.13 125	0.28 429	0.25 385	0.16 335	0.23 365	0.18 353	0.13 333	0.16 355	0.13 316	0.08 338	0.07 412	0.07 226	0.06 212	0.08 358	0.09 426

GANet-RSSM	0.14 347	0.07 166	0.13 263	0.13 14	0.08 144	0.14 317	0.17 353	0.22 312	0.21 323	0.17 350	0.24 377	0.23 424	0.15 375	0.16 355	0.15 381	0.10 439	0.06 340	0.07 226	0.08 375	0.08 358	0.07 318

PSMNet-RSSM	0.14 347	0.07 166	0.13 263	0.15 85	0.08 144	0.13 284	0.16 316	0.24 355	0.24 364	0.16 335	0.28 445	0.22 406	0.14 357	0.15 320	0.13 316	0.11 468	0.06 340	0.09 398	0.12 513	0.08 358	0.07 318

GwcNet-RSSM	0.14 347	0.07 166	0.12 217	0.15 85	0.08 144	0.15 343	0.20 463	0.21 288	0.27 409	0.18 380	0.27 431	0.22 406	0.16 401	0.14 298	0.15 381	0.10 439	0.05 207	0.07 226	0.09 421	0.07 295	0.07 318

CFNet-ft	0.14 347	0.07 166	0.15 349	0.12 5	0.09 265	0.16 372	0.18 401	0.22 312	0.24 364	0.17 350	0.26 422	0.24 430	0.14 357	0.16 355	0.14 353	0.11 468	0.06 340	0.08 316	0.09 421	0.09 421	0.08 382

DMCA	0.14 347	0.09 347	0.16 383	0.19 381	0.09 265	0.15 343	0.17 353	0.23 332	0.27 409	0.14 280	0.19 311	0.17 340	0.18 438	0.15 320	0.17 412	0.10 439	0.06 340	0.08 316	0.06 212	0.09 421	0.10 453

RASNet	0.14 347	0.07 166	0.14 298	0.16 165	0.08 144	0.18 412	0.14 178	0.29 441	0.20 307	0.17 350	0.25 405	0.21 388	0.18 438	0.20 448	0.19 443	0.07 273	0.06 340	0.06 124	0.08 375	0.06 222	0.06 236

MSMDNet	0.14 347	0.08 272	0.15 349	0.17 241	0.09 265	0.14 317	0.14 178	0.29 441	0.36 485	0.14 280	0.21 345	0.21 388	0.12 295	0.17 387	0.14 353	0.07 273	0.05 207	0.07 226	0.07 305	0.07 295	0.07 318

HSM-Net_RVC	0.14 347	0.08 272	0.11 180	0.15 85	0.08 144	0.15 343	0.15 250	0.27 410	0.29 430	0.19 396	0.21 345	0.29 480	0.14 357	0.17 387	0.13 316	0.06 126	0.06 340	0.06 124	0.06 212	0.07 295	0.06 236
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 347	0.07 166	0.15 349	0.12 5	0.09 265	0.16 372	0.18 401	0.22 312	0.24 364	0.17 350	0.26 422	0.24 430	0.14 357	0.16 355	0.14 353	0.11 468	0.06 340	0.08 316	0.09 421	0.09 421	0.08 382

ccs_rob	0.14 347	0.08 272	0.15 349	0.16 165	0.09 265	0.12 234	0.14 178	0.27 410	0.34 472	0.14 280	0.21 345	0.22 406	0.13 333	0.18 408	0.14 353	0.07 273	0.05 207	0.08 316	0.07 305	0.07 295	0.07 318

UCFNet_RVC	0.14 347	0.08 272	0.13 263	0.11 1	0.10 373	0.20 450	0.10 31	0.24 355	0.22 337	0.17 350	0.20 323	0.23 424	0.15 375	0.17 387	0.15 381	0.12 492	0.07 412	0.10 445	0.13 523	0.11 475	0.10 453

iResNetv2_ROB	0.14 347	0.08 272	0.15 349	0.16 165	0.08 144	0.16 372	0.12 75	0.25 371	0.35 481	0.21 433	0.29 457	0.24 430	0.13 333	0.14 298	0.14 353	0.06 126	0.05 207	0.06 124	0.04 46	0.09 421	0.08 382

iResNet_ROB	0.14 347	0.07 166	0.13 263	0.14 41	0.07 84	0.18 412	0.14 178	0.26 389	0.31 446	0.22 449	0.25 405	0.23 424	0.15 375	0.15 320	0.13 316	0.07 273	0.05 207	0.05 34	0.04 46	0.08 358	0.08 382

DDVS	0.15 390	0.10 407	0.21 469	0.16 165	0.12 457	0.15 343	0.14 178	0.25 371	0.19 284	0.18 380	0.29 457	0.27 462	0.12 295	0.19 423	0.15 381	0.09 398	0.06 340	0.09 398	0.07 305	0.11 475	0.11 479

rvit_0105_3	0.15 390	0.09 347	0.14 298	0.19 381	0.12 457	0.15 343	0.25 531	0.25 371	0.29 430	0.15 307	0.17 277	0.20 379	0.13 333	0.17 387	0.14 353	0.13 517	0.11 505	0.12 495	0.14 527	0.07 295	0.06 236

ACV-stereo	0.15 390	0.10 407	0.28 508	0.18 323	0.12 457	0.14 317	0.12 75	0.23 332	0.21 323	0.19 396	0.23 365	0.22 406	0.15 375	0.23 489	0.17 412	0.07 273	0.06 340	0.07 226	0.07 305	0.07 295	0.07 318

ITSA-stereo	0.15 390	0.10 407	0.14 298	0.19 381	0.08 144	0.12 234	0.14 178	0.30 455	0.49 545	0.17 350	0.19 311	0.22 406	0.15 375	0.17 387	0.16 397	0.10 439	0.06 340	0.08 316	0.08 375	0.08 358	0.08 382

test_sample7	0.15 390	0.10 407	0.16 383	0.14 41	0.11 424	0.16 372	0.16 316	0.27 410	0.23 348	0.20 419	0.20 323	0.24 430	0.19 454	0.16 355	0.16 397	0.12 492	0.06 340	0.10 445	0.09 421	0.10 452	0.10 453

1111x	0.15 390	0.08 272	0.12 217	0.18 323	0.07 84	0.18 412	0.25 531	0.31 465	0.24 364	0.17 350	0.24 377	0.26 454	0.15 375	0.13 273	0.23 490	0.07 273	0.07 412	0.08 316	0.09 421	0.07 295	0.06 236

CFNet_ucs	0.15 390	0.08 272	0.16 383	0.16 165	0.11 424	0.14 317	0.14 178	0.30 455	0.34 472	0.16 335	0.24 377	0.23 424	0.14 357	0.18 408	0.15 381	0.09 398	0.06 340	0.08 316	0.07 305	0.09 421	0.09 426

BSDual-CNN	0.15 390	0.09 347	0.14 298	0.22 489	0.10 373	0.14 317	0.15 250	0.34 505	0.19 284	0.17 350	0.22 356	0.25 444	0.16 401	0.15 320	0.14 353	0.08 338	0.06 340	0.10 445	0.09 421	0.07 295	0.07 318

hknet	0.15 390	0.11 433	0.13 263	0.22 489	0.11 424	0.14 317	0.15 250	0.34 505	0.25 385	0.17 350	0.22 356	0.22 406	0.18 438	0.17 387	0.12 275	0.07 273	0.06 340	0.10 445	0.09 421	0.07 295	0.07 318

dd	0.15 390	0.16 510	0.16 383	0.19 381	0.09 265	0.15 343	0.18 401	0.21 288	0.25 385	0.23 462	0.20 323	0.21 388	0.09 198	0.21 465	0.16 397	0.10 439	0.06 340	0.08 316	0.06 212	0.08 358	0.06 236

DAS	0.15 390	0.08 272	0.18 436	0.19 381	0.10 373	0.19 435	0.17 353	0.27 410	0.29 430	0.18 380	0.25 405	0.21 388	0.15 375	0.16 355	0.12 275	0.08 338	0.06 340	0.06 124	0.06 212	0.07 295	0.07 318

SepStereo	0.15 390	0.08 272	0.18 436	0.19 381	0.10 373	0.19 435	0.17 353	0.27 410	0.29 430	0.18 380	0.25 405	0.21 388	0.15 375	0.25 503	0.12 275	0.08 338	0.06 340	0.06 124	0.06 212	0.07 295	0.07 318

PSMNet-ADL	0.15 390	0.12 451	0.13 263	0.22 489	0.09 265	0.13 284	0.20 463	0.26 389	0.23 348	0.18 380	0.20 323	0.24 430	0.16 401	0.18 408	0.17 412	0.08 338	0.08 441	0.08 316	0.11 493	0.08 358	0.07 318

LMCR-Stereo	0.15 390	0.08 272	0.13 263	0.21 473	0.09 265	0.17 393	0.20 463	0.27 410	0.19 284	0.24 471	0.24 377	0.23 424	0.17 424	0.20 448	0.17 412	0.07 273	0.06 340	0.08 316	0.06 212	0.10 452	0.08 382

ICVP	0.15 390	0.09 347	0.12 217	0.22 489	0.09 265	0.17 393	0.21 483	0.25 371	0.23 348	0.18 380	0.30 464	0.26 454	0.18 438	0.17 387	0.14 353	0.09 398	0.07 412	0.08 316	0.07 305	0.07 295	0.07 318
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 390	0.07 166	0.14 298	0.14 41	0.08 144	0.23 491	0.18 401	0.31 465	0.19 284	0.14 280	0.28 445	0.22 406	0.14 357	0.15 320	0.26 524	0.09 398	0.05 207	0.07 226	0.07 305	0.08 358	0.07 318

test_xeample	0.15 390	0.06 75	0.13 263	0.14 41	0.08 144	0.21 467	0.20 463	0.28 429	0.20 307	0.16 335	0.29 457	0.19 367	0.16 401	0.15 320	0.26 524	0.09 398	0.05 207	0.07 226	0.07 305	0.07 295	0.07 318

ACVNet	0.15 390	0.09 347	0.15 349	0.13 14	0.12 457	0.14 317	0.20 463	0.22 312	0.33 460	0.17 350	0.26 422	0.21 388	0.16 401	0.17 387	0.21 469	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.06 236

acv_ft	0.15 390	0.09 347	0.15 349	0.19 381	0.10 373	0.16 372	0.17 353	0.25 371	0.33 460	0.19 396	0.26 422	0.21 388	0.17 424	0.17 387	0.18 430	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.06 236

CFNet	0.15 390	0.10 407	0.17 413	0.17 241	0.08 144	0.18 412	0.09 18	0.28 429	0.25 385	0.19 396	0.24 377	0.24 430	0.17 424	0.17 387	0.14 353	0.08 338	0.06 340	0.09 398	0.10 461	0.07 295	0.06 236

AdaStereo	0.15 390	0.11 433	0.15 349	0.18 323	0.09 265	0.20 450	0.11 54	0.32 476	0.28 423	0.20 419	0.23 365	0.20 379	0.13 333	0.19 423	0.14 353	0.12 492	0.05 207	0.10 445	0.07 305	0.09 421	0.07 318
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 390	0.08 272	0.14 298	0.16 165	0.09 265	0.16 372	0.14 178	0.28 429	0.25 385	0.19 396	0.23 365	0.37 534	0.16 401	0.20 448	0.15 381	0.07 273	0.05 207	0.07 226	0.06 212	0.07 295	0.06 236

pmcnn	0.15 390	0.07 166	0.19 448	0.15 85	0.07 84	0.20 450	0.15 250	0.24 355	0.26 399	0.21 433	0.34 492	0.28 472	0.18 438	0.18 408	0.17 412	0.07 273	0.05 207	0.05 34	0.04 46	0.07 295	0.06 236

DStereoRT	0.16 413	0.06 75	0.11 180	0.19 381	0.09 265	0.12 234	0.12 75	0.28 429	0.22 337	0.12 228	0.20 323	0.11 214	0.10 234	0.15 320	0.14 353	0.06 126	0.05 207	0.96 609	0.09 421	0.05 118	0.04 49

DualNet (step1)	0.16 413	0.12 451	0.20 460	0.12 5	0.14 500	0.17 393	0.13 125	0.27 410	0.23 348	0.20 419	0.20 323	0.24 430	0.19 454	0.16 355	0.16 397	0.15 535	0.06 340	0.14 522	0.14 527	0.14 521	0.12 492

GMStereo_Zeroshot	0.16 413	0.13 480	0.24 488	0.20 441	0.10 373	0.17 393	0.13 125	0.29 441	0.25 385	0.23 462	0.32 476	0.25 444	0.11 264	0.19 423	0.14 353	0.09 398	0.06 340	0.11 476	0.06 212	0.12 490	0.08 382

iinet-f	0.16 413	0.06 75	0.45 553	0.14 41	0.10 373	0.21 467	0.14 178	0.27 410	0.23 348	0.21 433	0.24 377	0.21 388	0.15 375	0.18 408	0.21 469	0.09 398	0.07 412	0.07 226	0.06 212	0.09 421	0.10 453

CRFU-Net	0.16 413	0.08 272	0.14 298	0.17 241	0.09 265	0.19 435	0.14 178	0.26 389	0.20 307	0.28 511	0.27 431	0.29 480	0.17 424	0.19 423	0.17 412	0.09 398	0.09 473	0.07 226	0.07 305	0.08 358	0.08 382

NINENet	0.16 413	0.10 407	0.15 349	0.17 241	0.11 424	0.19 435	0.14 178	0.40 549	0.36 485	0.18 380	0.21 345	0.16 320	0.13 333	0.15 320	0.13 316	0.08 338	0.08 441	0.10 445	0.07 305	0.10 452	0.09 426

CSP-Net	0.16 413	0.09 347	0.14 298	0.16 165	0.09 265	0.19 435	0.17 353	0.25 371	0.32 453	0.25 484	0.30 464	0.24 430	0.15 375	0.21 465	0.18 430	0.09 398	0.06 340	0.07 226	0.07 305	0.08 358	0.07 318

AASNet	0.16 413	0.08 272	0.12 217	0.19 381	0.09 265	0.18 412	0.15 250	0.37 533	0.37 492	0.19 396	0.23 365	0.20 379	0.16 401	0.17 387	0.20 449	0.10 439	0.08 441	0.08 316	0.07 305	0.09 421	0.09 426

AACVNet	0.16 413	0.08 272	0.14 298	0.15 85	0.10 373	0.18 412	0.15 250	0.23 332	0.24 364	0.27 496	0.27 431	0.28 472	0.17 424	0.19 423	0.16 397	0.09 398	0.07 412	0.09 398	0.07 305	0.10 452	0.09 426

ADLNet2	0.16 413	0.09 347	0.13 263	0.16 165	0.09 265	0.20 450	0.16 316	0.31 465	0.39 502	0.16 335	0.20 323	0.20 379	0.18 438	0.21 465	0.22 478	0.08 338	0.06 340	0.07 226	0.07 305	0.09 421	0.07 318

Anonymous3	0.16 413	0.13 480	0.33 528	0.26 539	0.14 500	0.27 527	0.17 353	0.28 429	0.28 423	0.15 307	0.17 277	0.14 277	0.10 234	0.15 320	0.12 275	0.08 338	0.08 441	0.08 316	0.08 375	0.08 358	0.11 479

ADLNet	0.16 413	0.08 272	0.15 349	0.16 165	0.10 373	0.16 372	0.17 353	0.32 476	0.27 409	0.22 449	0.27 431	0.24 430	0.16 401	0.18 408	0.21 469	0.10 439	0.06 340	0.10 445	0.10 461	0.08 358	0.09 426

HCRNet	0.16 413	0.24 556	0.12 217	0.35 572	0.11 424	0.15 343	0.17 353	0.26 389	0.22 337	0.19 396	0.24 377	0.21 388	0.14 357	0.15 320	0.13 316	0.11 468	0.07 412	0.11 476	0.10 461	0.09 421	0.07 318

222	0.16 413	0.07 166	0.14 298	0.14 41	0.08 144	0.24 496	0.18 401	0.30 455	0.20 307	0.17 350	0.28 445	0.17 340	0.16 401	0.15 320	0.40 577	0.10 439	0.05 207	0.07 226	0.06 212	0.07 295	0.08 382

UPFNet	0.16 413	0.08 272	0.12 217	0.20 441	0.12 457	0.20 450	0.23 504	0.28 429	0.26 399	0.17 350	0.24 377	0.22 406	0.19 454	0.19 423	0.21 469	0.09 398	0.07 412	0.08 316	0.09 421	0.08 358	0.06 236

ac_64	0.16 413	0.08 272	0.15 349	0.18 323	0.10 373	0.22 476	0.18 401	0.24 355	0.21 323	0.18 380	0.24 377	0.29 480	0.18 438	0.19 423	0.22 478	0.09 398	0.07 412	0.08 316	0.09 421	0.07 295	0.06 236

DSFCA	0.16 413	0.09 347	0.14 298	0.16 165	0.10 373	0.20 450	0.19 440	0.28 429	0.31 446	0.23 462	0.24 377	0.22 406	0.15 375	0.19 423	0.20 449	0.10 439	0.07 412	0.09 398	0.09 421	0.08 358	0.08 382

FADNet-RVC-Resample	0.16 413	0.11 433	0.31 521	0.22 489	0.11 424	0.19 435	0.14 178	0.25 371	0.24 364	0.24 471	0.27 431	0.20 379	0.15 375	0.16 355	0.15 381	0.07 273	0.08 441	0.12 495	0.10 461	0.09 421	0.10 453

FADNet_RVC	0.16 413	0.14 492	0.40 546	0.20 441	0.11 424	0.13 284	0.13 125	0.26 389	0.22 337	0.21 433	0.23 365	0.20 379	0.17 424	0.14 298	0.16 397	0.08 338	0.08 441	0.12 495	0.09 421	0.11 475	0.10 453

AANet_RVC	0.16 413	0.10 407	0.10 136	0.18 323	0.09 265	0.18 412	0.19 440	0.26 389	0.31 446	0.22 449	0.35 496	0.21 388	0.21 470	0.22 478	0.16 397	0.06 126	0.05 207	0.06 124	0.06 212	0.07 295	0.06 236

DeepPruner_ROB	0.16 413	0.11 433	0.15 349	0.17 241	0.10 373	0.17 393	0.15 250	0.32 476	0.21 323	0.19 396	0.21 345	0.22 406	0.18 438	0.20 448	0.15 381	0.13 517	0.09 473	0.09 398	0.09 421	0.11 475	0.10 453

z-ln-s-r	0.17 434	0.10 407	0.40 546	0.19 381	0.08 144	0.17 393	0.18 401	0.22 312	0.33 460	0.18 380	0.40 525	0.22 406	0.17 424	0.20 448	0.23 490	0.07 273	0.05 207	0.07 226	0.07 305	0.07 295	0.05 144

rvit_stereo_0075_2	0.17 434	0.12 451	0.25 493	0.23 513	0.16 530	0.13 284	0.10 31	0.30 455	0.27 409	0.20 419	0.28 445	0.22 406	0.15 375	0.18 408	0.13 316	0.16 551	0.10 493	0.17 544	0.10 461	0.10 452	0.09 426

ToySt	0.17 434	0.11 433	0.18 436	0.17 241	0.11 424	0.16 372	0.25 531	0.24 355	0.33 460	0.19 396	0.24 377	0.26 454	0.24 493	0.19 423	0.20 449	0.07 273	0.08 441	0.09 398	0.10 461	0.09 421	0.08 382

ssnet_v2	0.17 434	0.10 407	0.17 413	0.17 241	0.11 424	0.21 467	0.21 483	0.33 496	0.25 385	0.22 449	0.22 356	0.27 462	0.18 438	0.22 478	0.20 449	0.11 468	0.09 473	0.09 398	0.09 421	0.08 358	0.08 382

dad	0.17 434	0.20 541	0.20 460	0.16 165	0.11 424	0.20 450	0.18 401	0.21 288	0.28 423	0.30 525	0.24 377	0.29 480	0.13 333	0.19 423	0.16 397	0.18 557	0.09 473	0.11 476	0.09 421	0.11 475	0.07 318

GEStereo_RVC	0.17 434	0.12 451	0.15 349	0.22 489	0.11 424	0.19 435	0.17 353	0.32 476	0.48 538	0.20 419	0.25 405	0.17 340	0.13 333	0.21 465	0.16 397	0.10 439	0.06 340	0.08 316	0.07 305	0.09 421	0.08 382

MMNet	0.17 434	0.09 347	0.16 383	0.20 441	0.11 424	0.27 527	0.20 463	0.25 371	0.41 511	0.22 449	0.30 464	0.21 388	0.20 466	0.17 387	0.20 449	0.06 126	0.06 340	0.07 226	0.07 305	0.08 358	0.07 318

delet	0.17 434	0.08 272	0.17 413	0.19 381	0.11 424	0.20 450	0.21 483	0.30 455	0.37 492	0.17 350	0.26 422	0.19 367	0.19 454	0.19 423	0.21 469	0.08 338	0.08 441	0.09 398	0.11 493	0.06 222	0.06 236

UNet	0.17 434	0.09 347	0.18 436	0.19 381	0.12 457	0.27 527	0.19 440	0.33 496	0.29 430	0.21 433	0.24 377	0.23 424	0.19 454	0.19 423	0.18 430	0.07 273	0.06 340	0.08 316	0.07 305	0.08 358	0.06 236

HGLStereo	0.17 434	0.08 272	0.19 448	0.17 241	0.12 457	0.18 412	0.18 401	0.31 465	0.32 453	0.21 433	0.32 476	0.25 444	0.18 438	0.19 423	0.20 449	0.09 398	0.09 473	0.07 226	0.07 305	0.09 421	0.10 453

DMCA-RVC	0.17 434	0.10 407	0.15 349	0.24 523	0.11 424	0.18 412	0.18 401	0.25 371	0.24 364	0.21 433	0.26 422	0.25 444	0.27 516	0.18 408	0.20 449	0.12 492	0.08 441	0.13 510	0.10 461	0.10 452	0.08 382

TDLM	0.17 434	0.12 451	0.13 263	0.24 523	0.10 373	0.18 412	0.18 401	0.36 527	0.30 439	0.21 433	0.28 445	0.28 472	0.18 438	0.23 489	0.18 430	0.11 468	0.07 412	0.10 445	0.10 461	0.08 358	0.08 382

NLCA_NET_v2_RVC	0.17 434	0.10 407	0.22 475	0.20 441	0.10 373	0.15 343	0.18 401	0.31 465	0.25 385	0.21 433	0.30 464	0.25 444	0.17 424	0.21 465	0.20 449	0.09 398	0.06 340	0.08 316	0.08 375	0.07 295	0.08 382
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 434	0.12 451	0.15 349	0.20 441	0.09 265	0.18 412	0.18 401	0.26 389	0.23 348	0.26 490	0.40 525	0.22 406	0.17 424	0.21 465	0.20 449	0.08 338	0.05 207	0.09 398	0.10 461	0.07 295	0.07 318
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 448	0.08 272	0.19 448	0.19 381	0.13 480	0.15 343	0.12 75	0.30 455	0.32 453	0.21 433	0.25 405	0.27 462	0.17 424	0.17 387	0.20 449	0.20 564	0.08 441	0.14 522	0.14 527	0.14 521	0.17 557

test_sample9	0.18 448	0.12 451	0.20 460	0.12 5	0.14 500	0.17 393	0.13 125	0.27 410	0.23 348	0.20 419	0.20 323	0.24 430	0.19 454	0.19 423	0.17 412	0.15 535	0.30 584	0.14 522	0.14 527	0.14 521	0.12 492

fast-acv-ft	0.18 448	0.11 433	0.19 448	0.19 381	0.12 457	0.24 496	0.21 483	0.25 371	0.34 472	0.22 449	0.34 492	0.27 462	0.20 466	0.21 465	0.23 490	0.09 398	0.09 473	0.08 316	0.10 461	0.08 358	0.07 318

HBP-ISP	0.18 448	0.13 480	0.16 383	0.15 85	0.11 424	0.08 59	0.13 125	0.28 429	0.29 430	0.22 449	0.33 488	0.21 388	0.25 502	0.23 489	0.17 412	0.14 531	0.16 553	0.21 558	0.17 554	0.10 452	0.08 382

Wz-Net-LNSev-Ref	0.18 448	0.09 347	0.29 516	0.15 85	0.10 373	0.22 476	0.20 463	0.26 389	0.39 502	0.25 484	0.42 542	0.24 430	0.15 375	0.20 448	0.19 443	0.07 273	0.05 207	0.06 124	0.05 132	0.10 452	0.09 426

SACVNet	0.18 448	0.12 451	0.14 298	0.17 241	0.13 480	0.22 476	0.18 401	0.31 465	0.30 439	0.23 462	0.31 472	0.30 490	0.22 479	0.22 478	0.17 412	0.11 468	0.08 441	0.10 445	0.10 461	0.12 490	0.14 530

psm_up	0.18 448	0.10 407	0.18 436	0.20 441	0.11 424	0.17 393	0.19 440	0.37 533	0.34 472	0.21 433	0.28 445	0.29 480	0.24 493	0.20 448	0.22 478	0.09 398	0.10 493	0.11 476	0.11 493	0.08 358	0.08 382

hitnet-ft	0.18 448	0.09 347	0.17 413	0.14 41	0.09 265	0.26 517	0.20 463	0.25 371	0.26 399	0.24 471	0.32 476	0.31 503	0.22 479	0.24 498	0.21 469	0.12 492	0.07 412	0.10 445	0.08 375	0.12 490	0.11 479

STTStereo	0.18 448	0.12 451	0.27 503	0.20 441	0.11 424	0.16 372	0.21 483	0.29 441	0.23 348	0.21 433	0.30 464	0.29 480	0.18 438	0.20 448	0.19 443	0.12 492	0.11 505	0.11 476	0.14 527	0.09 421	0.08 382

CVANet_RVC	0.18 448	0.10 407	0.14 298	0.21 473	0.10 373	0.18 412	0.17 353	0.34 505	0.33 460	0.22 449	0.31 472	0.28 472	0.18 438	0.23 489	0.17 412	0.12 492	0.08 441	0.12 495	0.11 493	0.09 421	0.07 318

StereoDRNet	0.18 448	0.11 433	0.17 413	0.22 489	0.11 424	0.21 467	0.22 493	0.37 533	0.33 460	0.24 471	0.28 445	0.30 490	0.19 454	0.20 448	0.20 449	0.09 398	0.08 441	0.11 476	0.09 421	0.09 421	0.07 318

DLCB_ROB	0.18 448	0.10 407	0.15 349	0.23 513	0.11 424	0.24 496	0.18 401	0.29 441	0.28 423	0.27 496	0.28 445	0.28 472	0.24 493	0.19 423	0.20 449	0.08 338	0.08 441	0.09 398	0.09 421	0.07 295	0.07 318

TCMNet	0.19 460	0.12 451	0.19 448	0.20 441	0.18 552	0.20 450	0.24 516	0.27 410	0.36 485	0.23 462	0.26 422	0.25 444	0.19 454	0.19 423	0.23 490	0.13 517	0.11 505	0.11 476	0.12 513	0.13 508	0.12 492

rvit_105_1	0.19 460	0.11 433	0.25 493	0.21 473	0.16 530	0.21 467	0.27 547	0.31 465	0.41 511	0.19 396	0.20 323	0.22 406	0.17 424	0.19 423	0.17 412	0.12 492	0.12 521	0.13 510	0.15 543	0.08 358	0.07 318

test_sample8	0.19 460	0.12 451	0.20 460	0.12 5	0.14 500	0.17 393	0.13 125	0.31 465	0.21 323	0.27 496	0.22 356	0.36 529	0.25 502	0.19 423	0.17 412	0.15 535	0.30 584	0.14 522	0.14 527	0.14 521	0.12 492

SDNR	0.19 460	0.08 272	0.19 448	0.16 165	0.12 457	0.77 599	0.14 178	0.25 371	0.32 453	0.19 396	0.24 377	0.19 367	0.13 333	0.19 423	0.15 381	0.16 551	0.18 560	0.14 522	0.11 493	0.08 358	0.11 479

pcwnet_v2	0.19 460	0.10 407	0.26 496	0.17 241	0.14 500	0.18 412	0.15 250	0.37 533	0.46 536	0.19 396	0.24 377	0.21 388	0.19 454	0.20 448	0.19 443	0.13 517	0.10 493	0.10 445	0.10 461	0.11 475	0.13 513

ADCRef	0.19 460	0.12 451	0.41 549	0.20 441	0.12 457	0.22 476	0.18 401	0.32 476	0.36 485	0.26 490	0.32 476	0.17 340	0.23 487	0.24 498	0.24 503	0.07 273	0.06 340	0.09 398	0.09 421	0.08 358	0.08 382

NVstereo2D	0.19 460	0.10 407	0.15 349	0.17 241	0.15 519	0.28 534	0.23 504	0.44 566	0.42 519	0.15 307	0.27 431	0.25 444	0.19 454	0.22 478	0.17 412	0.09 398	0.06 340	0.10 445	0.08 375	0.15 537	0.09 426

DRN-Test	0.19 460	0.11 433	0.20 460	0.22 489	0.10 373	0.22 476	0.22 493	0.39 545	0.37 492	0.24 471	0.32 476	0.26 454	0.21 470	0.22 478	0.24 503	0.11 468	0.07 412	0.11 476	0.10 461	0.09 421	0.07 318

DISCO	0.19 460	0.09 347	0.22 475	0.17 241	0.10 373	0.25 507	0.18 401	0.27 410	0.44 529	0.22 449	0.31 472	0.33 516	0.26 508	0.28 520	0.28 540	0.08 338	0.06 340	0.07 226	0.07 305	0.09 421	0.09 426

CBMV_ROB	0.19 460	0.13 480	0.17 413	0.16 165	0.11 424	0.15 343	0.13 125	0.26 389	0.28 423	0.27 496	0.30 464	0.27 462	0.24 493	0.23 489	0.16 397	0.15 535	0.17 558	0.22 562	0.20 560	0.10 452	0.11 479

NOSS_ROB	0.19 460	0.12 451	0.18 436	0.16 165	0.12 457	0.15 343	0.12 75	0.30 455	0.32 453	0.20 419	0.22 356	0.27 462	0.23 487	0.21 465	0.16 397	0.16 551	0.18 560	0.23 563	0.21 562	0.12 490	0.13 513

CBMV	0.19 460	0.14 492	0.17 413	0.18 323	0.10 373	0.20 450	0.11 54	0.29 441	0.30 439	0.29 520	0.30 464	0.30 490	0.23 487	0.27 508	0.19 443	0.13 517	0.15 550	0.17 544	0.16 547	0.10 452	0.10 453
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 472	0.14 492	0.37 541	0.22 489	0.12 457	0.20 450	0.21 483	0.28 429	0.37 492	0.25 484	0.37 505	0.27 462	0.22 479	0.21 465	0.23 490	0.08 338	0.08 441	0.09 398	0.09 421	0.10 452	0.09 426

YMNet	0.20 472	0.12 451	0.19 448	0.20 441	0.14 500	0.26 517	0.23 504	0.32 476	0.34 472	0.27 496	0.34 492	0.30 490	0.18 438	0.18 408	0.22 478	0.10 439	0.13 535	0.10 445	0.10 461	0.08 358	0.09 426

YMNet_1	0.20 472	0.12 451	0.19 448	0.20 441	0.14 500	0.26 517	0.23 504	0.32 476	0.34 472	0.27 496	0.34 492	0.30 490	0.18 438	0.18 408	0.22 478	0.10 439	0.13 535	0.10 445	0.10 461	0.08 358	0.09 426

GwcNet	0.20 472	0.13 480	0.19 448	0.18 323	0.12 457	0.24 496	0.19 440	0.35 520	0.43 524	0.20 419	0.32 476	0.33 516	0.20 466	0.22 478	0.24 503	0.11 468	0.09 473	0.09 398	0.09 421	0.09 421	0.10 453

FAT-Stereo	0.20 472	0.12 451	0.22 475	0.21 473	0.12 457	0.17 393	0.18 401	0.34 505	0.39 502	0.27 496	0.37 505	0.34 523	0.32 547	0.21 465	0.20 449	0.09 398	0.11 505	0.10 445	0.09 421	0.11 475	0.14 530

FADNet-RVC	0.20 472	0.20 541	0.38 543	0.21 473	0.16 530	0.20 450	0.15 250	0.26 389	0.26 399	0.26 490	0.32 476	0.26 454	0.21 470	0.22 478	0.19 443	0.12 492	0.13 535	0.12 495	0.14 527	0.13 508	0.18 560

S-Stereo	0.20 472	0.12 451	0.25 493	0.21 473	0.13 480	0.20 450	0.18 401	0.32 476	0.43 524	0.23 462	0.36 499	0.28 472	0.30 539	0.19 423	0.22 478	0.09 398	0.12 521	0.10 445	0.10 461	0.13 508	0.13 513

SuperB	0.20 472	0.10 407	0.56 569	0.16 165	0.09 265	0.18 412	0.18 401	0.24 355	0.50 548	0.26 490	0.39 519	0.17 340	0.21 470	0.22 478	0.21 469	0.08 338	0.06 340	0.06 124	0.06 212	0.12 490	0.10 453

ADCP+	0.20 472	0.10 407	0.33 528	0.20 441	0.12 457	0.22 476	0.26 540	0.31 465	0.34 472	0.26 490	0.37 505	0.22 406	0.22 479	0.27 508	0.27 532	0.09 398	0.06 340	0.08 316	0.08 375	0.09 421	0.10 453

PS-NSSS	0.20 472	0.21 547	0.23 484	0.20 441	0.10 373	0.19 435	0.17 353	0.36 527	0.25 385	0.27 496	0.33 488	0.27 462	0.24 493	0.20 448	0.20 449	0.15 535	0.12 521	0.17 544	0.14 527	0.10 452	0.08 382

PWCDC_ROB	0.20 472	0.13 480	0.22 475	0.24 523	0.11 424	0.19 435	0.15 250	0.33 496	0.54 557	0.29 520	0.50 558	0.21 388	0.15 375	0.27 508	0.20 449	0.11 468	0.09 473	0.10 445	0.08 375	0.11 475	0.09 426

SGM-Forest	0.20 472	0.14 492	0.18 436	0.19 381	0.13 480	0.20 450	0.22 493	0.33 496	0.30 439	0.24 471	0.29 457	0.28 472	0.19 454	0.23 489	0.17 412	0.15 535	0.16 553	0.15 534	0.14 527	0.12 490	0.12 492
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 484	0.17 521	0.19 448	0.23 513	0.15 519	0.30 541	0.20 463	0.33 496	0.35 481	0.23 462	0.28 445	0.31 503	0.27 516	0.20 448	0.22 478	0.15 535	0.12 521	0.13 510	0.09 421	0.14 521	0.14 530

FINET	0.21 484	0.18 532	0.26 496	0.18 323	0.16 530	0.23 491	0.23 504	0.32 476	0.48 538	0.25 484	0.32 476	0.22 406	0.22 479	0.22 478	0.17 412	0.18 557	0.16 553	0.11 476	0.10 461	0.15 537	0.13 513

Syn2CoEx	0.21 484	0.16 510	0.27 503	0.29 563	0.14 500	0.26 517	0.20 463	0.33 496	0.31 446	0.28 511	0.36 499	0.27 462	0.25 502	0.19 423	0.24 503	0.16 551	0.12 521	0.14 522	0.11 493	0.09 421	0.08 382

FADNet	0.21 484	0.22 551	0.36 537	0.18 323	0.17 545	0.24 496	0.13 125	0.31 465	0.31 446	0.23 462	0.25 405	0.27 462	0.21 470	0.19 423	0.15 381	0.13 517	0.15 550	0.12 495	0.15 543	0.16 545	0.18 560

RP	0.21 484	0.13 480	0.21 469	0.23 513	0.11 424	0.21 467	0.20 463	0.25 371	0.44 529	0.21 433	0.38 511	0.36 529	0.24 493	0.27 508	0.25 513	0.11 468	0.12 521	0.13 510	0.12 513	0.12 490	0.14 530

DANet	0.21 484	0.15 502	0.28 508	0.25 534	0.13 480	0.22 476	0.19 440	0.27 410	0.27 409	0.28 511	0.32 476	0.35 527	0.31 543	0.31 530	0.23 490	0.11 468	0.09 473	0.11 476	0.10 461	0.13 508	0.11 479
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 484	0.12 451	0.21 469	0.24 523	0.13 480	0.22 476	0.22 493	0.41 555	0.26 399	0.31 531	0.42 542	0.37 534	0.28 527	0.23 489	0.22 478	0.10 439	0.12 521	0.10 445	0.09 421	0.10 452	0.08 382

PWC_ROB	0.21 484	0.16 510	0.26 496	0.18 323	0.11 424	0.22 476	0.13 125	0.32 476	0.49 545	0.30 525	0.40 525	0.32 512	0.24 493	0.31 530	0.22 478	0.10 439	0.07 412	0.11 476	0.08 375	0.11 475	0.10 453

PSMNet_ROB	0.21 484	0.11 433	0.15 349	0.27 552	0.15 519	0.24 496	0.35 579	0.43 564	0.37 492	0.27 496	0.32 476	0.32 512	0.22 479	0.21 465	0.26 524	0.12 492	0.08 441	0.13 510	0.11 493	0.09 421	0.09 426

MSAF-DinoV2	0.22 493	0.11 433	0.23 484	0.17 241	0.10 373	0.27 527	0.16 316	0.37 533	0.55 558	0.21 433	0.27 431	0.47 567	0.27 516	0.35 549	0.39 574	0.09 398	0.06 340	0.07 226	0.09 421	0.12 490	0.10 453

GASNet	0.22 493	0.23 553	0.33 528	0.26 539	0.17 545	0.26 517	0.16 316	0.44 566	0.42 519	0.27 496	0.24 377	0.30 490	0.15 375	0.27 508	0.18 430	0.12 492	0.08 441	0.12 495	0.11 493	0.16 545	0.07 318

Anonymous_2	0.22 493	0.17 521	0.28 508	0.15 85	0.16 530	0.32 543	0.22 493	0.22 312	0.17 237	0.23 462	0.24 377	0.26 454	0.27 516	0.27 508	0.23 490	0.22 573	0.25 580	0.17 544	0.17 554	0.17 553	0.17 557

Wz-Net-LNSev	0.22 493	0.16 510	0.38 543	0.21 473	0.13 480	0.25 507	0.23 504	0.32 476	0.43 524	0.30 525	0.41 536	0.31 503	0.18 438	0.22 478	0.25 513	0.10 439	0.09 473	0.08 316	0.08 375	0.12 490	0.11 479

Wz-Net-MNSev	0.22 493	0.13 480	0.31 521	0.20 441	0.14 500	0.36 561	0.24 516	0.33 496	0.44 529	0.28 511	0.40 525	0.38 538	0.19 454	0.24 498	0.25 513	0.09 398	0.07 412	0.09 398	0.09 421	0.12 490	0.10 453

DDUNet	0.22 493	0.17 521	0.21 469	0.22 489	0.15 519	0.25 507	0.24 516	0.29 441	0.30 439	0.31 531	0.36 499	0.33 516	0.25 502	0.24 498	0.20 449	0.18 557	0.13 535	0.17 544	0.11 493	0.16 545	0.16 548

APVNet	0.22 493	0.12 451	0.19 448	0.18 323	0.14 500	0.32 543	0.31 575	0.39 545	0.32 453	0.27 496	0.40 525	0.30 490	0.29 535	0.26 505	0.25 513	0.11 468	0.12 521	0.11 476	0.14 527	0.12 490	0.12 492

aanetorigin	0.22 493	0.17 521	0.56 569	0.17 241	0.10 373	0.15 343	0.19 440	0.20 265	0.33 460	0.49 573	0.48 553	0.29 480	0.27 516	0.20 448	0.23 490	0.08 338	0.07 412	0.08 316	0.07 305	0.10 452	0.09 426

MaskLacGwcNet_RVC	0.22 493	0.21 547	0.24 488	0.26 539	0.11 424	0.23 491	0.14 178	0.39 545	0.24 364	0.32 537	0.36 499	0.30 490	0.21 470	0.19 423	0.21 469	0.17 556	0.14 544	0.21 558	0.16 547	0.12 490	0.12 492

AF-Net	0.22 493	0.17 521	0.17 413	0.26 539	0.13 480	0.25 507	0.24 516	0.32 476	0.50 548	0.25 484	0.33 488	0.38 538	0.26 508	0.28 520	0.25 513	0.11 468	0.10 493	0.16 541	0.11 493	0.11 475	0.10 453

stereogan	0.22 493	0.11 433	0.21 469	0.20 441	0.12 457	0.31 542	0.19 440	0.35 520	0.44 529	0.22 449	0.39 519	0.35 527	0.27 516	0.33 540	0.22 478	0.10 439	0.12 521	0.10 445	0.10 461	0.14 521	0.13 513

edge stereo	0.22 493	0.13 480	0.20 460	0.21 473	0.13 480	0.23 491	0.16 316	0.32 476	0.42 519	0.32 537	0.40 525	0.38 538	0.35 556	0.25 503	0.24 503	0.13 517	0.11 505	0.14 522	0.11 493	0.12 490	0.13 513

RYNet	0.22 493	0.12 451	0.22 475	0.19 381	0.17 545	0.46 570	0.26 540	0.38 541	0.48 538	0.24 471	0.28 445	0.34 523	0.23 487	0.20 448	0.30 550	0.10 439	0.06 340	0.09 398	0.09 421	0.13 508	0.15 537

NaN_ROB	0.22 493	0.19 536	0.24 488	0.25 534	0.13 480	0.29 538	0.26 540	0.33 496	0.41 511	0.31 531	0.31 472	0.32 512	0.23 487	0.30 529	0.21 469	0.11 468	0.17 558	0.10 445	0.10 461	0.08 358	0.09 426

MDST_ROB	0.22 493	0.10 407	0.17 413	0.18 323	0.11 424	0.37 562	0.19 440	0.43 564	0.41 511	0.39 554	0.39 519	0.29 480	0.21 470	0.26 505	0.18 430	0.11 468	0.10 493	0.14 522	0.11 493	0.10 452	0.08 382

XPNet_ROB	0.22 493	0.11 433	0.19 448	0.22 489	0.13 480	0.22 476	0.19 440	0.34 505	0.40 508	0.30 525	0.39 519	0.39 546	0.26 508	0.26 505	0.28 540	0.15 535	0.10 493	0.10 445	0.10 461	0.13 508	0.12 492

SQANet	0.23 509	0.23 553	0.30 519	0.30 565	0.19 555	0.27 527	0.13 125	0.29 441	0.33 460	0.24 471	0.37 505	0.31 503	0.22 479	0.27 508	0.23 490	0.15 535	0.10 493	0.21 558	0.16 547	0.21 561	0.15 537

Nwc_Net	0.23 509	0.16 510	0.21 469	0.25 534	0.14 500	0.24 496	0.26 540	0.37 533	0.38 499	0.22 449	0.41 536	0.30 490	0.28 527	0.28 520	0.25 513	0.11 468	0.10 493	0.17 544	0.20 560	0.10 452	0.10 453

RTSC	0.23 509	0.12 451	0.28 508	0.21 473	0.13 480	0.28 534	0.16 316	0.35 520	0.66 582	0.27 496	0.33 488	0.30 490	0.21 470	0.31 530	0.29 544	0.10 439	0.08 441	0.09 398	0.10 461	0.13 508	0.13 513

PA-Net	0.23 509	0.18 532	0.33 528	0.28 555	0.22 564	0.21 467	0.38 584	0.29 441	0.39 502	0.22 449	0.32 476	0.25 444	0.26 508	0.20 448	0.25 513	0.09 398	0.23 578	0.15 534	0.22 565	0.09 421	0.13 513
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 509	0.15 502	0.17 413	0.34 570	0.18 552	0.24 496	0.23 504	0.34 505	0.28 423	0.31 531	0.38 511	0.38 538	0.28 527	0.23 489	0.24 503	0.15 535	0.12 521	0.18 553	0.21 562	0.13 508	0.13 513

ETE_ROB	0.23 509	0.17 521	0.22 475	0.25 534	0.13 480	0.26 517	0.29 562	0.31 465	0.36 485	0.28 511	0.36 499	0.45 560	0.26 508	0.27 508	0.26 524	0.11 468	0.08 441	0.12 495	0.09 421	0.14 521	0.13 513

SGM_RVC	0.23 509	0.12 451	0.15 349	0.15 85	0.09 265	0.33 549	0.18 401	0.34 505	0.31 446	0.44 568	0.37 505	0.53 575	0.35 556	0.35 549	0.24 503	0.13 517	0.13 535	0.13 510	0.13 523	0.10 452	0.11 479
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DStereoO	0.24 516	0.18 532	0.18 436	0.20 441	0.14 500	0.21 467	0.19 440	0.32 476	0.41 511	0.29 520	0.21 345	0.32 512	0.27 516	0.41 574	0.27 532	0.46 592	0.12 521	0.31 580	0.11 493	0.15 537	0.12 492

z-mn7	0.24 516	0.14 492	0.45 553	0.19 381	0.13 480	0.28 534	0.25 531	0.34 505	0.62 574	0.27 496	0.56 569	0.29 480	0.24 493	0.32 537	0.25 513	0.08 338	0.08 441	0.08 316	0.08 375	0.10 452	0.10 453

w-ln-seven	0.24 516	0.14 492	0.55 566	0.19 381	0.14 500	0.26 517	0.22 493	0.35 520	0.60 571	0.29 520	0.39 519	0.30 490	0.22 479	0.21 465	0.26 524	0.09 398	0.09 473	0.11 476	0.10 461	0.11 475	0.10 453

DGSMNet	0.24 516	0.19 536	0.33 528	0.21 473	0.24 569	0.24 496	0.20 463	0.35 520	0.41 511	0.24 471	0.32 476	0.38 538	0.21 470	0.29 526	0.23 490	0.12 492	0.11 505	0.14 522	0.16 547	0.23 565	0.23 571

G-Net	0.24 516	0.16 510	0.36 537	0.22 489	0.16 530	0.51 576	0.23 504	0.29 441	0.34 472	0.36 547	0.38 511	0.31 503	0.29 535	0.27 508	0.26 524	0.11 468	0.09 473	0.12 495	0.09 421	0.16 545	0.13 513

NCC-stereo	0.24 516	0.15 502	0.31 521	0.26 539	0.16 530	0.20 450	0.30 569	0.40 549	0.40 508	0.24 471	0.38 511	0.33 516	0.28 527	0.36 555	0.27 532	0.12 492	0.11 505	0.15 534	0.22 565	0.13 508	0.13 513

Abc-Net	0.24 516	0.15 502	0.31 521	0.26 539	0.16 530	0.20 450	0.30 569	0.40 549	0.40 508	0.24 471	0.38 511	0.33 516	0.28 527	0.36 555	0.27 532	0.12 492	0.11 505	0.15 534	0.22 565	0.13 508	0.13 513
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 516	0.11 433	0.47 558	0.22 489	0.12 457	0.34 552	0.29 562	0.29 441	0.56 561	0.24 471	0.46 550	0.30 490	0.30 539	0.29 526	0.29 544	0.08 338	0.07 412	0.09 398	0.09 421	0.10 452	0.10 453

DeepPrunerF	0.24 516	0.17 521	0.42 551	0.26 539	0.16 530	0.22 476	0.28 553	0.37 533	0.50 548	0.26 490	0.29 457	0.24 430	0.28 527	0.21 465	0.22 478	0.15 535	0.11 505	0.20 557	0.18 558	0.12 490	0.13 513

FBW_ROB	0.24 516	0.17 521	0.22 475	0.26 539	0.14 500	0.25 507	0.22 493	0.41 555	0.41 511	0.41 561	0.41 536	0.42 553	0.27 516	0.31 530	0.23 490	0.09 398	0.14 544	0.14 522	0.12 513	0.11 475	0.09 426

SANet	0.24 516	0.14 492	0.28 508	0.21 473	0.11 424	0.27 527	0.24 516	0.38 541	0.64 578	0.36 547	0.40 525	0.43 556	0.26 508	0.27 508	0.24 503	0.12 492	0.09 473	0.10 445	0.09 421	0.13 508	0.11 479

WCMA_ROB	0.24 516	0.11 433	0.22 475	0.17 241	0.14 500	0.32 543	0.15 250	0.32 476	0.32 453	0.38 552	0.53 560	0.40 550	0.34 553	0.34 543	0.25 513	0.11 468	0.12 521	0.12 495	0.10 461	0.14 521	0.14 530

DStereoSA	0.25 528	0.19 536	0.37 541	0.26 539	0.17 545	0.22 476	0.20 463	0.49 575	0.59 567	0.22 449	0.29 457	0.29 480	0.33 548	0.39 566	0.28 540	0.12 492	0.11 505	0.16 541	0.14 527	0.14 521	0.12 492

zh-sn7	0.25 528	0.17 521	0.50 560	0.24 523	0.13 480	0.25 507	0.24 516	0.34 505	0.48 538	0.28 511	0.54 562	0.28 472	0.31 543	0.36 555	0.32 558	0.10 439	0.10 493	0.11 476	0.10 461	0.12 490	0.12 492

zh-mn7	0.25 528	0.14 492	0.56 569	0.19 381	0.14 500	0.24 496	0.22 493	0.34 505	0.62 574	0.35 544	0.65 577	0.31 503	0.25 502	0.31 530	0.25 513	0.09 398	0.08 441	0.09 398	0.09 421	0.09 421	0.11 479

Wz-Net-SNSev	0.25 528	0.17 521	0.44 552	0.25 534	0.14 500	0.26 517	0.23 504	0.38 541	0.56 561	0.30 525	0.55 564	0.39 546	0.26 508	0.23 489	0.30 550	0.10 439	0.09 473	0.09 398	0.10 461	0.11 475	0.11 479

psmorigin	0.25 528	0.15 502	0.34 536	0.17 241	0.13 480	0.23 491	0.14 178	0.34 505	0.33 460	0.41 561	0.55 564	0.41 552	0.37 560	0.34 543	0.27 532	0.11 468	0.15 550	0.11 476	0.11 493	0.12 490	0.16 548

RGC	0.25 528	0.20 541	0.29 516	0.28 555	0.16 530	0.22 476	0.23 504	0.32 476	0.44 529	0.27 496	0.40 525	0.38 538	0.27 516	0.36 555	0.22 478	0.11 468	0.13 535	0.17 544	0.17 554	0.14 521	0.16 548

ADCMid	0.25 528	0.15 502	0.40 546	0.20 441	0.14 500	0.25 507	0.26 540	0.34 505	0.38 499	0.36 547	0.44 547	0.34 523	0.40 566	0.35 549	0.33 562	0.10 439	0.09 473	0.11 476	0.11 493	0.13 508	0.12 492

ADCPNet	0.25 528	0.16 510	0.61 575	0.21 473	0.15 519	0.35 560	0.25 531	0.32 476	0.35 481	0.30 525	0.40 525	0.36 529	0.28 527	0.28 520	0.32 558	0.12 492	0.10 493	0.11 476	0.12 513	0.14 521	0.13 513

LALA_ROB	0.25 528	0.16 510	0.22 475	0.26 539	0.17 545	0.27 527	0.27 547	0.42 560	0.37 492	0.33 541	0.38 511	0.51 571	0.26 508	0.28 520	0.27 532	0.16 551	0.09 473	0.12 495	0.11 493	0.13 508	0.12 492

SHD	0.26 537	0.15 502	0.30 519	0.24 523	0.18 552	0.22 476	0.15 250	0.38 541	0.71 586	0.32 537	0.41 536	0.36 529	0.28 527	0.32 537	0.29 544	0.12 492	0.11 505	0.14 522	0.13 523	0.16 545	0.20 566

AnyNet_C32	0.26 537	0.16 510	0.36 537	0.20 441	0.16 530	0.25 507	0.30 569	0.32 476	0.44 529	0.31 531	0.49 554	0.30 490	0.33 548	0.40 571	0.33 562	0.12 492	0.12 521	0.12 495	0.14 527	0.14 521	0.15 537

DStereoFS	0.27 539	0.22 551	0.31 521	0.22 489	0.15 519	0.22 476	0.20 463	0.50 579	0.48 538	0.28 511	0.44 547	0.33 516	0.34 553	0.52 583	0.29 544	0.12 492	0.11 505	0.15 534	0.13 523	0.16 545	0.16 548

PSMNet-RUCA	0.27 539	0.33 575	0.41 549	0.36 574	0.32 582	0.18 412	0.19 440	0.42 560	0.30 439	0.33 541	0.41 536	0.39 546	0.25 502	0.31 530	0.20 449	0.18 557	0.10 493	0.25 565	0.15 543	0.21 561	0.16 548

PDISCO_ROB	0.27 539	0.16 510	0.26 496	0.28 555	0.20 558	0.32 543	0.26 540	0.44 566	0.57 563	0.28 511	0.40 525	0.45 560	0.29 535	0.33 540	0.34 564	0.12 492	0.09 473	0.17 544	0.16 547	0.17 553	0.13 513

DispFullNet	0.27 539	0.21 547	0.65 578	0.28 555	0.16 530	0.26 517	0.17 353	0.33 496	0.58 566	0.27 496	0.38 511	0.43 556	0.23 487	0.38 562	0.23 490	0.12 492	0.06 340	0.19 555	0.11 493	0.21 561	0.15 537

MeshStereo	0.27 539	0.13 480	0.18 436	0.15 85	0.11 424	0.32 543	0.24 516	0.40 549	0.36 485	0.52 575	0.57 572	0.67 586	0.40 566	0.35 549	0.26 524	0.14 531	0.13 535	0.13 510	0.11 493	0.11 475	0.10 453
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
WZ-Net	0.28 544	0.17 521	0.78 594	0.22 489	0.16 530	0.34 552	0.29 562	0.39 545	0.57 563	0.24 471	0.55 564	0.37 534	0.24 493	0.33 540	0.35 565	0.09 398	0.08 441	0.09 398	0.10 461	0.14 521	0.16 548

XQC	0.28 544	0.23 553	0.51 561	0.28 555	0.19 555	0.34 552	0.27 547	0.36 527	0.57 563	0.31 531	0.30 464	0.37 534	0.30 539	0.38 562	0.38 572	0.13 517	0.09 473	0.15 534	0.12 513	0.17 553	0.18 560

CC-Net-ROB	0.28 544	0.31 573	0.36 537	0.29 563	0.15 519	0.25 507	0.19 440	0.45 569	0.33 460	0.39 554	0.37 505	0.39 546	0.31 543	0.27 508	0.26 524	0.24 579	0.19 563	0.30 579	0.23 569	0.18 556	0.15 537

DPSNet	0.28 544	0.16 510	0.31 521	0.18 323	0.13 480	0.54 578	0.42 588	0.51 581	0.67 583	0.29 520	0.38 511	0.38 538	0.29 535	0.31 530	0.23 490	0.11 468	0.10 493	0.11 476	0.08 375	0.20 560	0.16 548

MultiAttention	0.29 548	0.08 272	0.14 298	0.19 381	0.12 457	1.45 614	1.33 616	0.36 527	0.37 492	0.19 396	0.21 345	0.24 430	0.11 264	0.38 562	0.18 430	0.06 126	0.05 207	0.08 316	0.08 375	0.10 452	0.09 426

Wz-Net-TNSev	0.29 548	0.20 541	0.65 578	0.19 381	0.15 519	0.38 565	0.27 547	0.35 520	0.55 558	0.34 543	0.42 542	0.45 560	0.38 561	0.32 537	0.30 550	0.12 492	0.13 535	0.10 445	0.12 513	0.15 537	0.14 530

ccnet	0.29 548	0.28 568	0.23 484	0.20 441	0.28 576	0.41 569	0.21 483	0.45 569	0.33 460	0.36 547	0.46 550	0.36 529	0.30 539	0.39 566	0.42 581	0.23 577	0.14 544	0.21 558	0.17 554	0.23 565	0.18 560

EDNetEfficient	0.29 548	0.24 556	1.13 603	0.18 323	0.10 373	0.19 435	0.20 463	0.20 265	0.60 571	0.74 593	0.56 569	0.31 503	0.39 563	0.22 478	0.30 550	0.09 398	0.07 412	0.08 316	0.07 305	0.11 475	0.09 426

ADCS	0.29 548	0.18 532	0.45 553	0.21 473	0.17 545	0.28 534	0.23 504	0.41 555	0.63 577	0.40 557	0.49 554	0.40 550	0.36 558	0.39 566	0.40 577	0.13 517	0.12 521	0.13 510	0.14 527	0.16 545	0.16 548

CSAN	0.29 548	0.24 556	0.27 503	0.34 570	0.19 555	0.33 549	0.42 588	0.37 533	0.50 548	0.38 552	0.40 525	0.44 558	0.33 548	0.28 520	0.30 550	0.20 564	0.16 553	0.19 555	0.19 559	0.14 521	0.15 537

MFN_U_SF_DS_RVC	0.30 554	0.24 556	0.29 516	0.36 574	0.16 530	0.34 552	0.30 569	0.32 476	0.42 519	0.40 557	0.46 550	0.38 538	0.31 543	0.34 543	0.28 540	0.19 562	0.20 566	0.26 566	0.29 579	0.18 556	0.19 565

GANetREF_RVC	0.31 555	0.34 576	0.27 503	0.35 572	0.16 530	0.32 543	0.41 585	0.48 573	0.51 555	0.35 544	0.35 496	0.34 523	0.33 548	0.39 566	0.32 558	0.27 581	0.20 566	0.29 577	0.15 543	0.18 556	0.17 557
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 555	0.26 562	0.26 496	0.24 523	0.21 562	0.34 552	0.25 531	0.34 505	0.39 502	0.40 557	0.69 581	0.45 560	0.40 566	0.34 543	0.27 532	0.20 564	0.19 563	0.26 566	0.25 571	0.23 565	0.22 570

MFN_U_SF_RVC	0.32 557	0.21 547	0.55 566	0.30 565	0.15 519	0.34 552	0.17 353	0.52 582	0.46 536	0.46 572	0.55 564	0.59 578	0.39 563	0.35 549	0.37 570	0.15 535	0.14 544	0.18 553	0.21 562	0.16 545	0.15 537

PASM	0.32 557	0.24 556	0.48 559	0.28 555	0.27 575	0.29 538	0.30 569	0.34 505	0.49 545	0.35 544	0.39 519	0.46 564	0.34 553	0.34 543	0.35 565	0.23 577	0.25 580	0.26 566	0.28 578	0.23 565	0.21 568

SGM-ForestM	0.32 557	0.12 451	0.16 383	0.16 165	0.11 424	0.39 566	0.19 440	0.41 555	0.50 548	0.52 575	0.54 562	1.32 606	0.42 574	0.40 571	0.27 532	0.14 531	0.16 553	0.16 541	0.16 547	0.12 490	0.12 492

FC-DCNN v2	0.33 560	0.27 564	0.28 508	0.26 539	0.23 567	0.37 562	0.28 553	0.40 549	0.43 524	0.45 569	0.56 569	0.51 571	0.40 566	0.37 560	0.29 544	0.21 568	0.20 566	0.27 569	0.26 572	0.25 572	0.24 572

FCDSN-DC	0.33 560	0.28 568	0.28 508	0.30 565	0.24 569	0.39 566	0.28 553	0.42 560	0.42 519	0.43 567	0.53 560	0.51 571	0.41 571	0.36 555	0.30 550	0.21 568	0.20 566	0.27 569	0.26 572	0.25 572	0.24 572
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 560	0.27 564	0.28 508	0.26 539	0.23 567	0.37 562	0.28 553	0.40 549	0.43 524	0.45 569	0.55 564	0.51 571	0.40 566	0.37 560	0.30 550	0.21 568	0.20 566	0.27 569	0.26 572	0.25 572	0.24 572

LSM	0.33 560	0.20 541	0.58 572	0.26 539	0.60 599	0.34 552	0.25 531	0.42 560	0.48 538	0.45 569	0.58 574	0.42 553	0.36 558	0.35 549	0.25 513	0.12 492	0.20 566	0.14 522	0.16 547	0.19 559	0.33 586

AnyNet_C01	0.36 564	0.25 561	1.37 606	0.22 489	0.17 545	0.48 574	0.27 547	0.35 520	0.39 502	0.39 554	0.74 587	0.46 564	0.38 561	0.45 576	0.47 586	0.13 517	0.13 535	0.13 510	0.14 527	0.14 521	0.15 537

GCST	0.37 565	0.42 583	0.26 496	1.02 607	0.39 583	0.18 412	0.08 7	0.20 265	0.17 237	0.28 511	0.25 405	0.15 306	0.12 295	0.16 355	0.14 353	0.64 603	0.43 592	0.75 599	0.65 603	0.63 596	0.46 595

otaku	0.39 566	0.37 579	0.52 562	0.44 581	0.28 576	0.58 580	0.24 516	0.41 555	0.62 574	0.40 557	0.49 554	0.46 564	0.33 548	0.40 571	0.32 558	0.30 582	0.30 584	0.39 584	0.33 584	0.29 579	0.28 580

ACVNet-4b	0.39 566	0.53 586	0.55 566	0.45 582	0.24 569	0.47 572	0.18 401	0.49 575	0.64 578	0.42 564	0.45 549	0.60 579	0.27 516	0.34 543	0.24 503	0.33 584	0.14 544	0.48 587	0.42 589	0.30 580	0.26 579

PVD	0.39 566	0.20 541	0.39 545	0.31 569	0.22 564	0.29 538	0.43 590	0.52 582	0.96 600	0.55 579	0.79 591	0.53 575	0.59 590	0.52 583	0.38 572	0.19 562	0.14 544	0.17 544	0.14 527	0.24 571	0.31 584

Ntro	0.40 569	0.40 581	0.53 563	0.46 585	0.30 580	0.65 586	0.24 516	0.46 571	0.68 584	0.41 561	0.49 554	0.48 569	0.42 574	0.39 566	0.31 557	0.32 583	0.28 582	0.37 583	0.30 581	0.32 584	0.29 581

SAMSARA	0.40 569	0.28 568	0.33 528	0.55 588	0.39 583	0.82 600	1.23 615	0.47 572	0.51 555	0.36 547	0.35 496	0.55 577	0.39 563	0.38 562	0.39 574	0.15 535	0.20 566	0.15 534	0.14 527	0.23 565	0.20 566

ELAS_RVC	0.41 571	0.29 571	0.33 528	0.28 555	0.24 569	0.54 578	0.36 580	0.49 575	0.59 567	0.72 589	0.74 587	0.65 584	0.54 583	0.54 588	0.40 577	0.22 573	0.20 566	0.27 569	0.26 572	0.26 577	0.25 577
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 571	0.29 571	0.33 528	0.27 552	0.24 569	0.60 583	0.36 580	0.50 579	0.50 548	0.71 587	0.79 591	0.67 586	0.54 583	0.51 581	0.42 581	0.22 573	0.20 566	0.27 569	0.26 572	0.26 577	0.25 577
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 573	0.39 580	0.54 564	0.40 577	0.20 558	0.64 585	0.32 577	0.53 584	0.72 587	0.71 587	0.72 584	0.61 580	0.54 583	0.51 581	0.46 585	0.20 564	0.19 563	0.29 577	0.30 581	0.23 565	0.18 560

ACVNet_1	0.44 574	0.49 585	0.60 574	0.45 582	0.28 576	0.49 575	0.27 547	0.57 589	0.72 587	0.62 582	0.58 574	0.74 590	0.49 580	0.50 579	0.35 565	0.26 580	0.24 579	0.39 584	0.29 579	0.31 583	0.24 572

Consistency-Raft	0.44 574	0.40 581	0.45 553	0.37 576	0.43 587	0.46 570	0.41 585	0.57 589	0.55 558	0.32 537	0.73 585	0.33 516	0.48 579	0.42 575	0.49 588	0.39 586	0.35 589	0.45 586	0.51 596	0.42 587	0.29 581

RTS	0.45 576	0.19 536	3.26 612	0.24 523	0.15 519	0.74 593	0.20 463	0.36 527	0.76 593	0.42 564	0.43 545	0.31 503	0.41 571	0.53 586	0.35 565	0.10 439	0.08 441	0.13 510	0.12 513	0.15 537	0.15 537

RTSA	0.45 576	0.19 536	3.26 612	0.24 523	0.15 519	0.74 593	0.20 463	0.36 527	0.76 593	0.42 564	0.43 545	0.31 503	0.41 571	0.53 586	0.35 565	0.10 439	0.08 441	0.13 510	0.12 513	0.15 537	0.15 537

MANE	0.45 576	0.27 564	0.27 503	0.27 552	0.24 569	0.47 572	0.31 575	0.55 586	0.59 567	0.72 589	1.13 608	1.15 600	0.61 591	0.52 583	0.37 570	0.21 568	0.20 566	0.27 569	0.31 583	0.25 572	0.24 572

NVStereoNet_ROB	0.46 579	0.36 578	0.46 557	0.41 579	0.28 576	0.34 552	0.34 578	0.48 573	0.60 571	0.72 589	0.93 597	0.70 589	0.66 594	0.47 577	0.60 596	0.22 573	0.33 588	0.34 582	0.34 586	0.30 580	0.30 583
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.47 580	0.26 562	0.58 572	0.28 555	0.20 558	0.39 566	0.18 401	0.49 575	0.64 578	0.52 575	0.87 594	1.01 595	0.57 588	0.50 579	0.56 593	0.53 596	0.31 587	0.54 593	0.40 587	0.33 585	0.34 587

LE_ROB	0.50 581	0.07 166	0.14 298	0.15 85	0.08 144	0.24 496	0.16 316	0.22 312	1.81 616	4.63 619	0.67 579	0.47 567	0.44 576	0.20 448	0.29 544	0.07 273	0.06 340	0.06 124	0.06 212	0.08 358	0.06 236

BEATNet-Init1	0.52 582	0.27 564	0.62 576	0.30 565	0.21 562	0.76 597	0.29 562	0.54 585	0.65 581	0.86 598	0.95 599	2.07 615	0.62 593	0.56 590	0.42 581	0.18 557	0.18 560	0.23 563	0.22 565	0.22 564	0.21 568

anonymity	0.53 583	0.58 588	0.65 578	0.41 579	0.61 600	0.53 577	0.41 585	0.56 587	0.41 511	0.55 579	0.50 558	0.49 570	0.55 586	0.58 591	0.50 591	0.58 599	0.50 602	0.51 589	0.51 596	0.51 589	0.57 597

RainbowNet	0.54 584	0.61 590	0.70 592	0.57 589	0.43 587	0.65 586	0.37 583	0.60 591	0.87 597	0.50 574	0.66 578	0.64 582	0.47 578	0.49 578	0.43 584	0.47 593	0.48 598	0.52 591	0.41 588	0.52 590	0.40 592

SGM+DAISY	0.56 585	0.57 587	0.65 578	0.40 577	0.54 592	0.66 588	0.49 592	0.56 587	0.45 535	0.66 583	0.69 581	0.67 586	0.56 587	0.63 593	0.56 593	0.59 600	0.48 598	0.50 588	0.50 595	0.52 590	0.58 598

SPS-STEREO	0.57 586	0.58 588	0.65 578	0.45 582	0.55 594	0.62 584	0.44 591	0.62 592	0.50 548	0.68 585	0.64 576	0.66 585	0.57 588	0.61 592	0.60 596	0.62 602	0.47 597	0.51 589	0.49 593	0.55 594	0.58 598
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 587	0.66 594	0.65 578	0.51 586	0.69 604	0.69 589	0.57 598	0.64 593	0.73 591	0.60 581	0.73 585	0.62 581	0.67 595	0.65 594	0.60 596	0.66 604	0.58 611	0.63 594	0.59 599	0.68 601	0.69 607

IMH-64-1	0.65 588	0.61 590	0.68 586	0.71 592	0.51 590	0.59 581	0.49 592	0.91 600	0.85 595	0.74 593	1.02 601	0.81 591	0.78 599	0.79 597	0.49 588	0.42 588	0.46 593	0.71 596	0.47 591	0.52 590	0.39 590

IMH-64	0.65 588	0.61 590	0.68 586	0.71 592	0.51 590	0.59 581	0.49 592	0.91 600	0.85 595	0.74 593	1.02 601	0.81 591	0.78 599	0.79 597	0.49 588	0.42 588	0.46 593	0.71 596	0.47 591	0.52 590	0.39 590

ACVNet_2	0.66 590	0.66 594	0.68 586	0.63 590	0.41 585	0.71 591	0.49 592	0.96 604	1.39 609	0.89 599	1.09 604	1.04 596	0.73 597	0.54 588	0.47 586	0.43 590	0.40 591	0.53 592	0.44 590	0.47 588	0.35 589

JetBlue	0.71 591	0.45 584	1.14 604	0.51 586	0.47 589	2.02 615	0.64 602	0.75 595	0.70 585	0.69 586	0.77 590	1.22 602	0.83 601	1.03 612	1.01 612	0.40 587	0.28 582	0.33 581	0.33 584	0.30 580	0.34 587

IMH	0.71 591	0.64 593	0.68 586	0.76 594	0.54 592	0.69 589	0.54 596	0.98 606	1.10 602	0.82 597	1.09 604	0.89 593	0.88 604	0.87 605	0.52 592	0.44 591	0.50 602	0.75 599	0.51 596	0.56 595	0.41 593

PWCK	0.71 591	0.94 605	0.95 601	0.76 594	0.31 581	0.74 593	0.36 580	0.90 599	0.90 598	0.96 602	0.75 589	0.95 594	0.61 591	0.87 605	0.66 599	0.72 605	0.46 593	0.75 599	0.49 593	0.69 603	0.44 594

MADNet+	0.75 594	0.71 596	3.70 615	0.66 591	0.41 585	0.98 605	0.97 613	0.69 594	0.73 591	0.52 575	0.57 572	0.64 582	0.68 596	0.86 604	1.01 612	0.34 585	0.36 590	0.28 576	0.23 569	0.36 586	0.31 584

TorneroNet-64	0.76 595	0.72 597	0.74 593	0.78 596	0.58 598	0.91 604	0.56 597	0.84 598	1.29 606	0.66 583	0.90 595	1.40 608	0.75 598	0.85 603	0.67 602	0.49 594	0.46 593	0.72 598	0.59 599	0.67 600	0.53 596

WAO-7	0.79 596	0.78 599	0.54 564	0.85 600	0.67 603	0.74 593	0.68 606	1.05 609	1.32 607	0.90 600	1.20 611	1.04 596	0.92 605	0.69 595	0.66 599	0.60 601	0.62 612	0.67 595	0.68 605	0.64 597	0.58 598

WAO-6	0.81 597	0.80 600	0.62 576	0.86 601	0.63 601	0.76 597	0.58 599	0.98 606	1.54 614	0.90 600	0.96 600	1.07 598	1.03 609	0.70 596	0.66 599	0.72 605	0.49 600	0.90 607	0.71 606	0.68 601	0.58 598

TorneroNet	0.82 598	0.74 598	0.81 598	0.84 599	0.63 601	0.99 606	0.63 600	0.96 604	1.16 603	0.80 596	1.11 606	1.36 607	0.86 603	0.93 608	0.80 607	0.56 597	0.49 600	0.78 604	0.66 604	0.73 606	0.63 606

LVE	0.83 599	0.85 603	0.85 599	0.80 597	0.56 595	1.04 610	0.65 603	1.05 609	1.47 612	0.96 602	1.22 612	1.10 599	0.85 602	0.83 600	0.71 604	0.49 594	0.55 608	0.76 602	0.60 601	0.65 598	0.59 603

Dean	0.87 600	0.86 604	0.79 596	0.81 598	0.56 595	0.90 601	0.63 600	1.15 615	1.73 615	1.15 610	1.15 609	1.31 605	0.99 608	0.81 599	0.81 608	0.57 598	0.56 609	0.77 603	0.64 602	0.66 599	0.58 598

WAO-8	0.91 601	0.81 601	0.65 578	0.94 604	0.69 604	0.90 601	0.67 604	1.07 612	1.83 617	1.06 607	1.45 614	1.30 603	1.07 610	0.84 601	0.78 605	0.74 607	0.53 605	0.86 605	0.75 607	0.69 603	0.62 604

Venus	0.91 601	0.81 601	0.65 578	0.94 604	0.69 604	0.90 601	0.67 604	1.07 612	1.83 617	1.06 607	1.45 614	1.30 603	1.07 610	0.84 601	0.78 605	0.74 607	0.53 605	0.86 605	0.75 607	0.69 603	0.62 604

UNDER WATER-64	0.95 603	0.94 605	1.43 608	0.87 602	0.56 595	1.18 613	0.87 610	0.77 596	0.94 599	1.04 605	0.85 593	1.58 613	1.21 615	0.94 609	0.96 610	0.87 611	0.57 610	1.03 611	0.88 612	0.78 607	0.73 608

UNDER WATER	0.97 604	0.97 607	1.42 607	0.99 606	0.70 607	1.12 612	0.84 609	0.80 597	1.08 601	1.01 604	0.90 595	1.55 612	1.22 616	1.03 612	1.00 611	0.78 609	0.53 605	1.02 610	0.87 611	0.80 608	0.74 609

notaker	0.97 604	1.11 608	0.98 602	1.13 609	0.81 608	0.73 592	0.68 606	0.93 602	1.16 603	1.18 612	1.18 610	1.41 609	1.16 614	1.08 614	0.69 603	0.81 610	0.64 613	1.17 612	0.79 609	0.98 610	0.80 611

ktn	1.01 606	1.21 610	0.80 597	1.23 611	0.86 610	1.01 608	0.87 610	0.94 603	1.39 609	1.04 605	1.12 607	1.15 600	1.07 610	0.94 609	0.59 595	1.28 616	0.71 614	1.38 616	0.83 610	1.02 612	0.75 610

KSHMR	1.09 607	1.17 609	0.88 600	1.25 612	1.00 612	0.99 606	0.96 612	1.13 614	1.37 608	1.16 611	1.29 613	1.41 609	0.96 607	1.01 611	0.92 609	1.03 614	1.08 616	1.20 613	1.03 615	1.01 611	0.97 613

DPSimNet_ROB	1.11 608	1.23 611	0.78 594	1.13 609	0.88 611	1.10 611	1.13 614	1.16 616	1.23 605	1.43 614	1.02 601	1.41 609	1.10 613	0.90 607	1.60 614	1.46 617	0.51 604	1.21 614	1.03 615	0.90 609	1.01 615

HanzoNet	1.29 609	1.26 612	1.19 605	1.12 608	0.85 609	1.02 609	0.83 608	1.03 608	1.48 613	1.64 615	1.61 616	2.50 617	1.72 617	1.61 616	1.61 615	1.26 615	0.80 615	1.31 615	1.01 614	1.02 612	0.86 612

JetRed	1.62 610	1.46 613	2.98 610	0.92 603	1.21 613	4.99 618	1.53 618	1.27 617	1.39 609	1.83 616	1.74 617	1.60 614	0.95 606	1.41 615	2.45 619	0.90 613	1.60 617	0.93 608	0.90 613	1.35 614	0.99 614

MADNet++	1.95 611	1.75 614	1.59 609	1.82 613	1.69 615	2.33 616	1.40 617	2.35 618	2.09 619	2.57 618	2.36 619	2.24 616	2.17 618	2.28 617	2.34 617	1.87 618	1.66 618	1.54 617	1.34 617	1.92 615	1.77 617

coex-ft	3.30 612	0.34 576	59.09 639	0.18 323	0.13 480	0.26 517	0.22 493	0.27 410	0.72 587	1.90 617	0.70 583	0.44 558	0.45 577	0.29 526	0.41 580	0.09 398	0.09 473	0.12 495	0.09 421	0.14 521	0.13 513

TCMNet-wrong-test	3.67 613	5.48 626	3.89 616	12.18 625	11.75 627	4.65 617	3.88 619	1.06 611	0.72 587	1.09 609	2.15 618	6.30 622	0.53 582	3.43 619	2.36 618	0.89 612	0.20 566	1.87 619	1.69 618	5.57 623	3.62 623

tt	4.67 614	0.06 75	3.55 614	2.02 614	1.55 614	10.25 622	16.71 623	8.91 627	5.03 620	1.31 613	0.94 598	4.71 618	4.76 619	3.33 618	5.87 621	6.06 626	10.30 630	1.88 620	2.11 620	2.75 617	1.21 616

USTest	6.22 615	2.73 617	3.00 611	6.57 621	7.29 621	14.37 624	21.57 624	7.00 626	9.56 625	5.34 622	6.10 620	5.72 621	7.64 622	6.41 623	6.96 622	1.97 619	3.42 624	1.64 618	2.15 621	2.66 616	2.36 618

xxxxx1	7.79 616	5.02 623	7.31 619	3.12 615	3.85 617	16.35 626	22.88 625	5.86 623	8.69 622	7.97 623	8.54 621	9.12 625	8.27 623	10.18 625	10.92 623	2.42 620	2.45 620	3.56 623	12.37 627	3.77 618	3.06 620

tt_ll	7.79 616	5.02 623	7.31 619	3.12 615	3.85 617	16.35 626	22.88 625	5.86 623	8.69 622	7.97 623	8.54 621	9.12 625	8.27 623	10.18 625	10.92 623	2.42 620	2.45 620	3.56 623	12.37 627	3.77 618	3.06 620

ff	7.79 616	5.02 623	7.31 619	3.12 615	3.85 617	16.35 626	22.88 625	5.86 623	8.69 622	7.97 623	8.54 621	9.12 625	8.27 623	10.18 625	10.92 623	2.42 620	2.45 620	3.56 623	12.37 627	3.77 618	3.06 620

EDNetEfficientorigin	7.91 619	0.31 573	153.02 640	0.19 381	0.09 265	0.21 467	0.16 316	0.22 312	0.59 567	0.72 589	0.67 579	0.42 553	0.50 581	0.24 498	0.39 574	0.08 338	0.07 412	0.08 316	0.07 305	0.12 490	0.10 453

DPSMNet_ROB	8.06 620	4.48 619	8.63 625	5.37 620	10.74 624	8.32 620	22.98 629	5.46 620	13.36 628	5.12 620	9.92 624	5.08 619	10.40 626	5.53 622	12.58 626	3.80 624	8.00 625	3.50 621	7.02 624	3.83 621	7.14 625

DGTPSM_ROB	8.06 620	4.48 619	8.63 625	5.35 618	10.72 623	8.32 620	22.97 628	5.46 620	13.35 627	5.12 620	9.92 624	5.08 619	10.40 626	5.52 621	12.58 626	3.79 623	8.00 625	3.50 621	7.02 624	3.83 621	7.14 625

PML	8.91 622	9.34 630	6.13 617	5.35 618	6.41 620	14.99 625	23.38 630	5.27 619	6.83 621	18.04 633	28.19 641	7.67 623	6.83 621	7.85 624	5.75 620	5.35 625	1.83 619	5.95 629	1.93 619	8.64 626	2.52 619

DLNR_Zeroshot_test	10.40 623	1.82 615	19.49 634	120.77 640	13.11 629	0.06 11	0.13 125	0.23 332	0.10 47	0.07 47	0.10 142	0.09 156	0.06 46	0.10 81	0.09 62	0.13 517	0.04 24	0.06 124	0.04 46	51.54 640	0.04 49

DLNR-FE	10.43 624	1.83 616	19.53 635	120.75 639	13.06 628	0.06 11	0.13 125	0.23 332	0.10 47	0.07 47	0.10 142	0.09 156	0.06 46	0.10 81	0.09 62	0.13 517	0.04 24	0.06 124	0.04 46	52.01 641	0.04 49

LRCNet_RVC	10.62 625	13.42 631	7.30 618	18.92 629	2.07 616	0.33 549	0.30 569	5.59 622	0.48 538	13.03 629	17.94 630	8.87 624	5.65 620	4.79 620	1.89 616	23.51 637	2.73 623	27.55 640	25.71 640	16.07 634	16.33 635

Anonymous_1	10.96 626	7.92 627	7.46 622	10.33 622	10.06 622	18.65 630	26.34 631	11.06 630	13.44 629	9.40 626	10.05 626	9.67 628	11.23 628	10.73 628	12.72 628	6.42 627	8.38 627	5.77 626	10.61 626	12.12 627	6.77 624

DPSM_ROB	11.15 627	8.58 628	8.00 623	10.88 623	11.58 625	19.10 631	26.71 632	12.05 631	14.07 632	10.36 627	10.84 627	10.33 629	11.86 629	11.70 629	13.54 629	6.99 628	8.79 628	5.89 627	6.95 622	7.29 624	7.42 627

DPSM	11.15 627	8.58 628	8.00 623	10.88 623	11.58 625	19.10 631	26.71 632	12.05 631	14.07 632	10.36 627	10.84 627	10.33 629	11.86 629	11.70 629	13.54 629	6.99 628	8.79 628	5.89 627	6.95 622	7.29 624	7.42 627

HaxPig	15.71 629	18.52 638	19.18 633	16.89 628	15.89 630	7.73 619	7.60 620	13.31 633	10.82 626	15.42 630	14.91 629	15.98 631	14.92 631	15.58 631	15.98 631	18.95 636	16.73 631	19.46 636	18.08 636	19.26 635	19.05 638

RSGM-EC	20.36 630	4.73 621	0.68 586	16.76 626	16.92 631	21.28 633	27.18 634	10.46 628	14.04 630	18.00 631	21.31 633	22.24 639	21.82 633	22.57 633	17.63 632	62.81 640	33.79 640	20.14 637	18.10 637	20.18 636	16.45 636

acva	20.36 630	4.73 621	0.68 586	16.76 626	16.92 631	21.28 633	27.18 634	10.46 628	14.04 630	18.00 631	21.31 633	22.24 639	21.82 633	22.57 633	17.63 632	62.81 640	33.79 640	20.14 637	18.10 637	20.18 636	16.45 636

MEDIAN_ROB	20.38 632	24.04 639	23.31 636	21.23 630	21.71 633	10.40 623	7.92 621	17.64 634	15.50 634	20.12 634	19.70 631	20.34 632	20.32 632	21.19 632	21.13 634	23.81 638	21.81 638	24.98 639	23.76 639	24.71 638	23.93 639

CasAABBNet	22.42 633	17.33 633	16.01 629	22.01 631	23.28 635	38.32 635	53.80 638	24.14 638	28.41 639	20.60 635	21.77 637	20.89 637	23.91 637	23.43 637	27.36 637	14.07 631	17.69 633	11.83 632	14.01 631	14.67 629	14.95 631

RAFT-FEzeroshot	22.43 634	17.33 633	15.98 627	22.02 632	23.31 636	38.34 636	53.82 639	24.05 636	28.39 637	20.61 636	21.76 635	20.88 635	23.92 638	23.41 635	27.42 639	14.07 631	17.69 633	11.83 632	14.02 632	14.69 630	14.97 632

RAFT-FE	22.43 634	17.33 633	15.98 627	22.02 632	23.31 636	38.34 636	53.82 639	24.05 636	28.39 637	20.61 636	21.76 635	20.88 635	23.92 638	23.41 635	27.42 639	14.07 631	17.69 633	11.83 632	14.02 632	14.69 630	14.97 632

FlowAnything	22.44 636	17.35 636	16.14 631	22.07 635	23.23 634	38.39 638	53.77 637	24.25 639	28.44 640	20.96 640	21.82 638	20.70 633	23.84 635	23.49 638	27.14 636	14.04 630	17.79 637	11.75 630	14.15 635	14.65 628	14.89 629

Selective-RAFT-Error	22.47 637	17.37 637	16.09 630	22.06 634	23.34 638	38.39 638	53.83 641	24.29 641	28.47 641	20.74 638	21.83 639	20.81 634	23.90 636	23.54 640	27.53 641	14.08 634	17.69 633	11.82 631	14.00 630	14.69 630	15.00 634

LSM0	22.87 638	17.28 632	18.96 632	22.19 636	29.04 640	38.42 640	53.71 636	24.28 640	28.31 636	20.78 639	21.00 632	21.43 638	24.16 640	23.50 639	27.39 638	14.09 635	17.38 632	11.84 635	14.04 634	14.73 633	14.89 629

AVERAGE_ROB	24.90 639	29.20 640	28.14 637	24.89 637	24.64 639	17.75 629	11.12 622	21.45 635	19.93 635	25.12 641	24.46 640	25.12 641	25.46 641	24.69 641	22.83 635	29.76 639	27.13 639	28.97 641	27.95 641	29.91 639	29.47 640

test_example2	98.32 640	94.13 641	45.89 638	96.35 638	109.85 641	88.61 641	95.45 642	25.75 642	94.37 642	130.00 643	126.06 642	58.17 642	74.63 642	88.51 642	79.96 642	150.23 642	221.02 642	77.62 642	99.10 642	113.75 642	96.94 641

GS-Stereo							0.14 178	0.11 36	0.12 105	0.08 85	0.10 142	0.05 2	0.05 12	0.11 133	0.08 17	0.06 126	0.04 24	0.05 34	0.04 46	0.05 118	0.05 144

FSD					0.22 564	0.25 507	0.25 531	0.27 410	0.26 399	0.25 484	0.26 422	0.25 444	0.27 516	0.27 508	0.24 503	0.21 568	0.20 566	0.27 569	0.26 572	0.25 572

ccccc		285.66 642		368.85 641	370.60 642	123.16 642		115.05 643		126.68 642		122.83 643		252.94 643		384.56 643	353.86 643	254.69 643	223.00 643	425.87 643

ASD4		3.38 618

Low-res two-view benchmark